注：基于《理论神经科学》（Peter Dayan & Larry F. Abbott）第四章

•  熵与互信息
  • 熵：比特（bit）,自信息，熵
  • 互信息：条件熵，噪音熵，互信息，KL散度
  • 连续型变量的熵和互信息：连续熵，微分熵，连续噪音熵，连续互信息
• 信息和熵最大化
  • 对单个神经元的熵的最大化：直方图平均化（histogram equalization）
  • 神经元群体：因子编码（factorial code），冗余（redundancy），因数分解（factorization），概率平均化（probability equalization），去相关（decorrelation）和方差平均化（variance equalization）
  • 在视网膜神经节细胞感受野中的应用：白化滤波器（Whitening Filter），光调节转化函数（optical modulation transfer function）
  • 过滤输入的噪音：噪音滤波器
  • LGN的时间处理
  • 皮层编码
• 峰电位序列的熵和信息
  • 熵和信息率
  • 泊松熵率