決めた

今日自分の中であることを決めました。内容についてはいずれまた。
自分は後悔しないためになんでも決めるんだと最近自覚してます。
ああすれば良かった。こうすれば良かった。とは言いたくない。

突き抜けた

ずっと結果の解釈に迷っていたVMPFCの単一神経細胞活動の結果について、明快な回答を得る方向性がついた。

問題点を整理すると
１．VMPFCの単一神経細胞活動はUtilityを表現するのか？
２．OFCのニューロンではrange-normalizationが起こるのだが、これはUtilityの表現と伴に起こることなのか？独立な事象なのか？

という問題があって、特に、２．が難点だった。
Utility = powerfunc(alpha)で定義できるので、１は簡単に解けるのだか、
２．のNormalization parameterの定義が難しい。

それを、２．Firing rate = X-val/range:Max(x)-Mini(x)
と定義し、１と２を合わせると

単一神経細胞活動は
・Firing rate = Utility(alpha)/ Max(U(alpha))-Mini(U(alpha))
と表現できる。

最後にニューロン毎に最大発火頻度が違うので、
各ニューロンの発火を最大発火頻でノーマライズすればOK
つまり、
Hz/max(Hz) =  Utility(alpha)/ Max(U(alpha))-Mini(U(alpha))
となるはず。

Perfectにノーマリゼーションが起きている場合。
inperfectな場合もあるので、

Hz/max(Hz) = Utility(alpha)/ sf*(Max(U(alpha))-Mini(U(alpha)))
0<=sf*(Max(U(alpha))-Mini(U(alpha)))<=1.0

と、ノーマリゼーションのゲイン scaling factorを付ければ完璧。

最後にalpha と sf　をパラメーター推定する。

多次元構成法(MSD)

今日はMSDを試した。内容のメモ。
・各要素における距離行列（類似度）を求める：ユーグリッド距離が一般的
・距離行列からn次元のマップを求める
・2次元に投影して図を描く

この手続きで個人の選好の類似度を分類できる。
すでに過去にやっている人がいっぱいいた。
Bennett, J. F., & Hays, W. L. (1960). Multidimensional unfolding: Determining the dimensionality of
ranked preference data. Psychometrika, 25, 27-43.

実験した

今週は超大変だった。

水曜の朝から実験を始めて、実験を終了したのは、、、、、
木曜の夜10時。。。。。。
1日半、不眠で、急性実験した。。。。。
とてもうまくいったけど、た・い・へ・ん・だ

以上。

展開した

つい最近出張して、いろいろ研究の展開が頭の中で進んだ。

１）マカクザルの頼まれ仕事は、やっぱり数理モデルに落として自分らしさを出す方向でいく。

２）マカクザルで本職の価値判断には、面白いやりたいアイディアがいっぱいあるので、そのアイディアで金を取って、人を雇う（雇えるといい。。。学生さん？）。

３）マーモは１ステップずつ研究していくけど、最終的にどんな技術を入れて”意思決定のネットワーク”を理解するのかを柔軟に考えていく。

やっぱり、これからは脳全体が意志決定を行う過程を理解するために、ネットワークのダイナミクスを知れると面白いんだろう。