Noise-induced reversals in bistable visual perception

Abstract

In this thesis, a set of some prevailing rate-based models for bistable perception have been considered in order to find the implications of the novel results reported in Pastukhov & Braun (2011). These authors have quantified not only salient aspects of bistable perception (mean and dispersion of dominance distributions), but also some hidden hysteresis effects ignored up to now. Extensive computational simulations of different prevailing models rigorously demonstrate that the history-dependence of the perceptual process shown by Pastukhov & Braun (2011), effectively constrains the region of the parameter space able to replicate the empirical data. Concretely, that just small regions residing inside a bistable or two-attractor region of the whole parameter space are actually adequate to reproduce the experimental results, both for BR and KDE displays. Remarkably, the results remain valid across all the different classes of models considered, regardless the details of the neuronal implementation. The biological plausibility of the parameter region found for each of the models considered, is further stressed with respect to the widely known Levelt’s propositions. To that end, we make use of weighted sums across the parameter regions computed for each subject in the first part of this Thesis, an algorithm that constitutes an important improvement to the methodology proposed by Shpiro et al. (2007) to fit behavioral data by rate-based models. It is shown how different neuronal mechanisms clearly differ in their suitability to replicate Levelt’s propositions. For instance, models with a slow fatiguing process given by spike-frequency adaptation Wilson (2003); Shpiro et al. (2007), no matter if they are being described by linear Shpiro et al. (2007) or nonlinear Curtu et al. (2008)) functions of the activity, replicate quite well Levelt’s second law. Oppositely, a notable discrepancy between model and empirical results is found when such negative feedback is described as a long-term depression affecting the synapses between the competing neurons representing the two alternative interpretations Laing & Chow (2002); Shpiro et al. (2007). The present work finishes with a study about the capability of the mentioned models to reproduce the resonance effects happening when varying external frequencies, as shown by Kim et al. (2006). Importantly, a resonance respect to the noise dispersion (i.e., a true stochastic resonance ) is clearly demonstrated here for the first time. Previous estimations of noise dispersion (20 − 30% of the input) and its locus (adaptation variables) are questioned, by demonstrating that increased sensitivity to even weak signals of the order of less than 10% can be obtained with the models considered, with the noise variable simply entering as part of the net input feeding the neuron.

En este trabajo, son considerados una serie de modelos para frecuencia neuronal ampliamente aceptados en percepción bi-estable, con el objetivo de evaluar las implicaciones de los resultados recientemente reportados en Pastukhov & Braun (2011). Estos autores han cuantificado no solamente aspectos más conocidos sobre el fenómeno (media y dispersión de las distribuciones de dominancia), sino también efectos de historia que habían sido ignorados hasta el presente. Por medio de simulaciones computacionales, se demuestra rigurosamente que la dependencia de la historia del proceso perceptual encontrada por Pastukhov & Braun (2011) efectivamente restringe la región válida de parámetros que es adecuada para reproducir los datos empíricos. Concretamente, que solamente pequeñas regiones del espacio de parámetros disponible, y que se encuentran dentro de una región dinámica bi-estable caracterizada por dos atractores, son realmente adecuadas, tanto para rivalidad binocular (BR) como para estímulos de estructura por movimiento (KDE). Resulta importante destacar que los resultados permanecen válidos de un modelo a otro, independientemente de los detalles de implementación neuronal. La plausibilidad biológica de la región de parámetros encontrada para cada modelo es entonces considerada, en el contexto de las ampliamente conocidas proposiciones de Levelt. Con tal objetivo, hacemos uso de un algoritmo de suma pesada para extraer valores medios de la regiones de parámetros correspondientes a cada sujeto. Este algoritmo constituye una importante mejora a la metodología propuesta por Shpiro et al. (2007) para ajustar modelos de frecuencia neuronal a datos comportamentales de percepción bi-estable. Es entonces mostrado como cada mecanismo neuronal considerado es clara- mente diferente en su capacidad para reproducir las proposiciones de Levelt. Por ejemplo, modelos conteniendo procesos lentos de retroalimentación negativa da- dos por adaptación de frecuencia de disparo Wilson (2003); Shpiro et al. (2007), sin importar si están descritos por funciones lineales Shpiro et al. (2007) or no lineales Curtu et al. (2008)) de la actividad, consiguen reproducir de modo razonable la segunda proposición de Levelt. Por el contrario, una notable discrepancia entre modelo y resultados empíricos es encontrada cuando tales procesos están dados por la presencia de depresión sináptica de larga duración. El presente trabajo culmina con un estudio sobre la capacidad de los mencionados modelos para reproducir los efectos de resonancia que ocurren al variar la frecuencia externa de modulación Kim et al. (2006). Es de destacar que en nuestro caso, un efecto de resonancia es encontrado respecto a la dispersión del ruido, lo cual indica la presencia de una verdadera resonancia del tipo estocástico. Este efecto es claramente demostrado para estos modelos, por primera vez, en el presente trabajo. Previas estimaciones de la dispersión del ruido (20 − 30 % de la señal de entrada) y su localización (variables de adaptación) son analizadas. Se demuestra que un incremento de la sensibilidad a incluso muy pequeñas señales de menos del 10% puede ser encontrada en estos modelos, con sólo incluir la variable de ruido como parte de la corriente neta que alimenta la neurona.