神经动力学概念和事实.pptVIP

第一页，共二十六页，2022年，8月28日 原文介绍 第二页，共二十六页，2022年，8月28日 1 引言 推动神经科学受到广泛关注的大问题：如何通过脑活动理解认知、知觉和行为？ 要解决上述问题，光是实验和仿真是不够的，还需要一个概念清楚的理论框架。 神经动力学研究的是神经系统状态和特性的动力学。 该文的目的是以神经动力学研究为例説明：（1）由于概念不清可能造成的错误； （2）把详尽的结果纳入可靠的概念框架可以产生什么样的效果？ 第三页，共二十六页，2022年，8月28日 1 引言（续） 将要阐明的几个概念：（1）确定性（determinacy）细分为动力学确定性（determinism）和状态确定性（determinateness）；（2）随机性（Stochasticity）的几个不同方面：可变性（variability）、变差（variation）和误差（error）；（3）因果性（causation或causality）；（4）实体论（ontic）描述和认识论（epistemic）描述 神经动力学中各个不同层次的描述从完全随机性到完全确定性之间变化，层次不同描述不同。 神经状态和心智（mental）、行为状态之间的相关性 第四页，共二十六页，2022年，8月28日 2 厘清概念：从确定性到随机性 状态确定性和动力学确定性 个体描述和统计描述 实体论描述：按照系统自身的状态和动力学（as it is in itself）认识它们。 认识论描述：按照对系统状态和动力学的观察（as it turns out to be due to observation）来认识它们。 第五页，共二十六页，2022年，8月28日 2.1 状态确定性、误差和变差 认识论描述基于观察和度量，因此必然和上下文（context）有关。由此不可能得出非常一般性的基本定律。 实体论描述基于系统自身的状态和内在性质，因此和上下文无关，并且适用个体描述。 实体论描述和认识论描述的数学表示。实体论状态可以用状态空间中的一个点x来表示，认识论状态可以用Kolmogorov空间上的一个概率测度μ来表示。实体论状态的点动力学可以用x(t)来表示，而认识论状态的集群动力学则可以用μ(x,t)来表示。 认识论状态不确定性的原因：误差和变差 误差、变差、方差和可变性。 第六页，共二十六页，2022年，8月28日 2.2 确定性、因果性和预测 如果T是状态空间上的一个自变换，那么时间t可以由T的t次幂的单参数群来引进。如果认识论状态的概率度量在变换T之下不变，则系统演化无论前向或反向都是确定性的。 如果变换T不可逆，那么时间t可以由T的t次幂的单参数半群来引进。t是物理时间。 如果要能区分现在、过去和将来，就必须打破时间平移不变性和时间可逆不变性 第七页，共二十六页，2022年，8月28日 2.2 （续） 因果性意味着所涉及的事件之间存在相关性，反之不然。要想从测量所得的相关性中得出因果关系，必须把实验结果放到一个理论框架之中。 拉普拉斯决定论 麦克斯韦强因果性 庞加莱弱因果性 第八页，共二十六页，2022年，8月28日 2.2 （续） 有效因果性（efficient causation）－ 基于在先事件和在后事件的有序关系之上的原因－结果关系。 形式因果性（formal causation） － 逻辑上的蕴含 循环因果性（circular causation） － 局部输出作为局部输入的递归（recurrent）或复馈（reentrant）。这可由引进时间延迟避免。 下行因果性（downward causation） － 多级系统中高级性质影响低级性质 Granger因果性 （ Granger causation） － 如果可以用时间序列A的较早片段预测时间序列B的较迟片段。（可能仅仅是相关） 一个概念上的困难：难于用认识论的手段完全预测实体论上是确定性的动力学。 第九页，共二十六页，2022年，8月28日 2.3 概率和随机性 粗略地讲，随机性就是除去确定性以后剩下的一切。 确定性过程是随机过程的特例 第十页，共二十六页，2022年，8月28日 2.4 用确定性解释随机过程 通过随机过程的自然扩展（natural extension）可以把随机过程归结为确定性过程。其要旨为把不可逆的Markov半群演化扩展为可逆的酉群（unitary group）演化 这种扩展的实质就是把环境也包括到系统中来，并考虑所有的相互作用。 由于确定性动力学和随机动力学可以相互转换，所以这两种描述采取哪一种取决于方便 神经动力学研究的目标之一是解决脑究竟是一台确定性机器还是有非确定性联结的随机事件发生器？ 不能肯定神经动力学究竟是否是确定性的。 第十一页，共二十六页，20