Natural Image Statistics and Neural Representation

Artikeleigenschaften
  • Sprache
    English
  • Veröffentlichungsdatum
    2001/03/01
  • Indian UGC (Zeitschrift)
  • Auffrischen
    86
  • Zitate
    1,208
  • Eero P Simoncelli Howard Hughes Medical Institute, Center for Neural Science, and Courant Institute of Mathematical Sciences, New York University, New York, NY 10003;
  • Bruno A Olshausen Center for Neuroscience, and Department of Psychology, University of California, Davis, Davis, California 95616;
Abstrakt
Zitieren
Simoncelli, Eero P, and Bruno A Olshausen. “Natural Image Statistics and Neural Representation”. Annual Review of Neuroscience, vol. 24, no. 1, 2001, pp. 1193-16, https://doi.org/10.1146/annurev.neuro.24.1.1193.
Simoncelli, E. P., & Olshausen, B. A. (2001). Natural Image Statistics and Neural Representation. Annual Review of Neuroscience, 24(1), 1193-1216. https://doi.org/10.1146/annurev.neuro.24.1.1193
Simoncelli EP, Olshausen BA. Natural Image Statistics and Neural Representation. Annual Review of Neuroscience. 2001;24(1):1193-216.
Journalkategorien
Medicine
Internal medicine
Neurosciences
Biological psychiatry
Neuropsychiatry
Beschreibung

Wie verarbeiten unsere Gehirne visuelle Informationen? Diese umfassende Übersicht befasst sich mit der langjährigen Annahme, dass sich sensorische Neuronen sowohl durch evolutionäre als auch durch entwicklungsbedingte Prozesse an die statistischen Eigenschaften der Signale anpassen, denen sie ausgesetzt sind. Sie untersucht die theoretische Verbindung zwischen Umweltstatistiken und neuronalen Reaktionen anhand des Konzepts der Codeeffizienz, das von Attneave (1954) und Barlow (1961) vorgeschlagen wurde. Jüngste Fortschritte in der statistischen Modellierung und bei Computerwerkzeugen haben es Forschern ermöglicht, komplexere statistische Modelle für visuelle Bilder zu untersuchen. Diese Modelle wurden anhand umfangreicher Datensätze streng validiert. Darüber hinaus haben Forscher begonnen, die Hypothese der effizienten Kodierung sowohl für einzelne Neuronen als auch für Neuronengruppen experimentell zu testen. Letztendlich fasst diese Übersicht die Fortschritte beim Verständnis zusammen, wie sich das visuelle System an die statistischen Eigenschaften natürlicher Bilder anpasst. Sie hebt die Konvergenz von theoretischen Modellen, empirischer Validierung und experimentellen Tests hervor, um unser Wissen über neuronale Repräsentation und Codeeffizienz zu erweitern. Die aus dieser Forschung gewonnenen Erkenntnisse haben weitreichende Auswirkungen auf das Verständnis der sensorischen Verarbeitung, die Entwicklung künstlicher Sehsysteme und die Entschlüsselung der Komplexität des Gehirns.

Diese im Annual Review of Neuroscience veröffentlichte Übersicht passt perfekt in den Schwerpunkt der Zeitschrift auf die neuesten Fortschritte beim Verständnis des Nervensystems. Die Untersuchung, wie sich die neuronale Repräsentation an die Statistik natürlicher Bilder anpasst, trägt wesentlich zum Bereich der sensorischen Neurowissenschaften bei.

Auffrischen
Zitate
Zitationsanalyse
Die erste Studie, die diesen Artikel zitiert hat, trug den Titel Natural signal statistics and sensory gain control und wurde in 2001. veröffentlicht. Die aktuellste Zitierung stammt aus einer 2024 Studie mit dem Titel Natural signal statistics and sensory gain control Seinen Höhepunkt an Zitierungen erreichte dieser Artikel in 2021 mit 90 Zitierungen.Es wurde in 302 verschiedenen Zeitschriften zitiert., 19% davon sind Open Access. Unter den verwandten Fachzeitschriften wurde diese Forschung am häufigsten von PLOS Computational Biology zitiert, mit 54 Zitierungen. Die folgende Grafik veranschaulicht die jährlichen Zitationstrends für diesen Artikel.
Zitate verwendeten diesen Artikel für Jahr