Manifoldok
Modern kísérletes technikákkal egyszerre tudjuk mérni akár több ezer idegsejt aktivitását szabadon mozgó állatokban. Azonosítani, hogy az éppen megfigyelt sejtek milyen módon vesznek részt az adott feladat végrehajtásában nem könnyű feladat.
Modern neuronháókon alapulú és klasszikus gépi tanulási eljárásokat kombinálunk, hogy rekonstruáljuk, hogy a neurális aktivitás milyen könnyen értelmezhető változókat kódol. Ehhez először a magas dimenziós neurális aktivitást alacsonyabb dimenziós térbe vetítjük, majd megpróbáljuk azonosítani a kapott változókat.
Ebben a példában az állat egy 2 x 2 méteres arénában keresett jutalmat miközben 200+ hippokampális idegsejt aktivitását figyelték meg (Pfeiffer and Foster, 2013). Bal oldalon látható az állat térbeli poziciója, az x és y koordináta piros és zöld színekkel színkódolva.
Mi a mért 200+ dimenziós neurális aktivitást Variációs Autoencoderrel redukáltuk 6 dimenzióba, majd a kapott manifoldot ISOMAP segítségével tovább egyszerűsítettük 3 dimenziósra. A kapott 3 dimenziós jelet mutatja a középső és a jobb oldali ábra, szintén az állat valódi poziciója szerint szinkódolva a pontokat. Fontos, hogy a dimenzió redukció az állat poziciójának isemrete nélkül történt - mégis a kapott változók tükrözik az állat x és y koordinátáját, megmutatva ezzel azt, hogy ebben a task-ban a hippocampus elsősorban a poziciót reprezentálja.
