本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #424
- 日期：2026-03-18
摘要
我們提出了一種通用資訊理論方法，用於識別複雜網路中的功能子圖，其中每個節點的動態都是可觀察的。我們證明，每個節點狀態的不確定性可以表示為涉及其他節點越來越多的相關變數的資訊量總和。我們證明，該和中的每一項都是透過連續調節新測量變數的互資訊而產生的，其方式類似於離散微分學。與泰勒級數的類比表明，用於根據其他自由度的函數組確定目標變數的狀態的有效搜尋演算法。我們將此方法應用於體外生長的皮質神經元網路的電生理記錄。儘管隨機性很強，但我們發現每個細胞的放電模式通常可以用少數其他神經元的活動來解釋。我們根據這些神經元子圖的相互冗餘或協同特徵來識別它們，並重建解釋每個目標細胞狀態的神經元迴路。