Critical size of neural population for reliable information transmission
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985823%3A_____%2F19%3A00511899" target="_blank" >RIV/67985823:_____/19:00511899 - isvavai.cz</a>
Výsledek na webu
<a href="https://journals.aps.org/pre/abstract/10.1103/PhysRevE.100.050401" target="_blank" >https://journals.aps.org/pre/abstract/10.1103/PhysRevE.100.050401</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1103/PhysRevE.100.050401" target="_blank" >10.1103/PhysRevE.100.050401</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Critical size of neural population for reliable information transmission
Popis výsledku v původním jazyce
It is known that the probability of decoding error has a phase transition at information rate equal to the channel capacity. The corresponding thermodynamic limit requires infinite coding dimension, hence making the actual decoding practically impossible. In this Rapid Communication we analyze finite-size effects that occur in limited neural populations. We report that the achievable rate approaches the asymptote in a remarkably nonlinear manner with the population size. Qualitatively, our findings do not seem to depend on the details of the model.
Název v anglickém jazyce
Critical size of neural population for reliable information transmission
Popis výsledku anglicky
It is known that the probability of decoding error has a phase transition at information rate equal to the channel capacity. The corresponding thermodynamic limit requires infinite coding dimension, hence making the actual decoding practically impossible. In this Rapid Communication we analyze finite-size effects that occur in limited neural populations. We report that the achievable rate approaches the asymptote in a remarkably nonlinear manner with the population size. Qualitatively, our findings do not seem to depend on the details of the model.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10102 - Applied mathematics
Návaznosti výsledku
Projekt
<a href="/cs/project/GA17-06943S" target="_blank" >GA17-06943S: Přesnost neuronálního kódování a její adaptace na statistiku stimulu</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Physical Review E
ISSN
2470-0045
e-ISSN
—
Svazek periodika
100
Číslo periodika v rámci svazku
5
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
5
Strana od-do
050401
Kód UT WoS článku
000494032900002
EID výsledku v databázi Scopus
2-s2.0-85075065444