受连接组约束的果蝇视觉模型中动态方向表征的范围受限尺度稳定性

《Neuroinformatics》：Range-Limited Scale Stability of Dynamic Direction Representations in a Connectome-Constrained Fly Visual Model

　　

摘要

我们测试了在冻结的、独立预训练的 FlyVis 检查点中，当视网膜视在尺度被留出时，运动方向是否仍然保持线性可访问性。下游解码器在其他尺度的方向标签上进行监督，因此该实验测量的是现有表征的迁移，而不是 FlyVis 的自主六向分类。分析单元是一个独特的渲染条件；移动条和平移目标构成了 192 条件尺度变化集，而几何尺度中性的移动边缘提供了方向控制。在八个尺度上，冻结的表征给出的留一尺度准确性为 0.885（威尔逊 95% 区间 0.833-0.923）。在六个内部留出尺度上的迁移几乎完美（0.986），但在上边界 \(s=24\) 处达到随机水平（0.167），揭示了强大但范围有限的尺度稳定性。容量和采样匹配的方向训练时间模型在使用六边形、无冲突方形投影或仅自邻域算子时，达到了 0.983-0.986。这确立了原始任务的可解性，并表明仅采样几何无法解释成功；与 FlyVis 不同，这些控制模型是直接针对方向标签进行优化的。直接干预进一步表明，T4/T5 活动有助于保持完整的线性代码：在 T4/T5 沉默后，重新拟合的解码器保持了 0.891 的准确性，而固定的完整解码器下降到 0.193，表明重组坐标中的分布式信息。学习参数洗牌揭示了依赖于实现的代码破坏和动态脆弱性。综上所述，这些结果确立了一个可复用的跨尺度基准、冻结连接组约束模型中的强内部尺度迁移、尖锐的外推边界以及特定的扰动敏感性。光流预训练、连接组约束动力学和学习参数定义了受控因子研究中的互补机制因素。