Alice
Project
首页
世界回放
世界观
版本日志
心智研究
EN
🧠 神经科学
神经科学基础
神经解剖
细胞与分子神经科学
系统神经科学
认知神经科学
计算神经科学
脑机接口
神经技术前沿
神经疾病
计算神经科学
Spiking 神经网络
预测编码
贝叶斯大脑
Hopfield 网络
Grid Cells
大脑强化学习
自由能原理
吸引子网络
神经群体动力学
漂移扩散模型
高效编码假说
归一化模型
突触可塑性模型
深度学习与大脑
储备池计算
房室模型
全脑建模
信息论与大脑
神经常微分方程
能量基础模型
目录
1. 核心假说
2. Infomax 原则
3. 预测的神经性质
4. Sparse Coding (Olshausen & Field 1996)
5. Redundancy Reduction vs Redundancy Exploitation
6. PyTorch — Sparse Coding (Olshausen)
7. 适应 (Adaptation)
8. 与 AI
9. Normative 方法论
10. Common Pitfalls
10.1 完全去冗余
10.2 Infomax 唯一目标
10.3 解释一切 RF
10.4 Sparse = 越稀越好
10.5 Normative = 真实机制
11. Related Concepts
References