文献集总览 / 运动控制、内模型、最优反馈与目标拦截 / F · 群体动力学纲领（11 篇） / F03 · 生成肌肉活动的自然解神经网络

F03 · A neural network that finds a naturalistic solution for the production of muscle activity

David Sussillo, Mark M. Churchland, Matthew T. Kaufman & Krishna V. Shenoy (2015) Nature Neuroscience, 18, 1025–1033. doi:10.1038/nn.4042

训练RNN生成实测肌电时，鼓励简单动力学的正则化可产生更接近运动皮层的群体响应。这提供一种生成性解释，但不证明大脑采用同样训练规则或唯一网络机制。

核对版本：Zotero motor_control_interception_64 集合本地全文（PDF 全文提取，图注与正文互相校订，2026-09-18；图注所标页码均为 PDF 文件页序，非期刊印刷页码）；Zotero 条目。

本文目录

背景

旋转群体轨迹描述了部分运动皮层活动，但为何出现这种结构仍需解释。本文问生成时变肌肉活动的任务约束是否足以产生类似结构。

在相同肌电目标下比较有、无正则化网络，再用单元响应、jPCA、CCA及已知连接下的动力学分析检验内部解的差异。

两只猴的27种延迟伸手条件，使用运动皮层记录和7或8路肌电。RNN为300单元，六维条件输入来自真实准备期活动的PCA，另加条件无关hold信号。训练目标是肌电，不是逐时神经响应；但输入仍使用神经数据，不能称为完全独立于神经记录的预测。

正则化约束输入/输出权重、活动大小和递归项的局部变化。主模型未包含真实感觉反馈或完整手臂动力学；比较是对已有27条件的拟合和群体模式匹配，不是新动作上的闭环行为验证。

两类网络都能拟合肌电，所报告归一化误差在猴J为7%、猴N为3%，内部响应却不同。正则化网络的群体旋转及时间模式更接近记录。

以猴J主图为例，旋转线性拟合R²为数据0.60、正则化模型0.61；前十CCA变量平均相关为0.74，高于所测对照。CCA主动寻找最相关投影，数值不能当作逐神经元预测准确率或独立测试集性能。

在训练后的正则化模型中，定点附近的少数衰减振荡模式组织了输出，对所施加输入和连接扰动也较稳健。这些固定点与连接机制来自模型分析，未在真实皮层直接识别。

原文 Fig. 1 · PDF 第 2 页

图1 · 数据任务与网络任务。 a/b为猴任务和记录，c/d为网络输入及肌电拟合。模型输入含神经准备信息。

原文 Fig. 2 · PDF 第 3 页

图2 · 示例响应。 三列为记录、正则化网络及复杂网络；选择的示例说明形态差异，不替代全群体统计。

原文 Fig. 3 · PDF 第 4 页

图3 · jPCA比较。 上行为猴J，下行为正则化网络。旋转拟合与捕获方差是不同指标，轴与时间窗须保留。

原文 Fig. 4 · PDF 第 5 页

图4 · CCA共同模式。 比较各模型与数据经最优线性投影后的相似性；不是同一细胞的预测曲线。

原文 Fig. 5 · PDF 第 6 页

图5 · 多模型CCA汇总。 a为各典型变量，b为十变量均值。优势限定于所比较模型及该分析。

原文 Fig. 6 · PDF 第 6 页

图6 · 群体三维轨迹。 a为神经记录，b为网络；网络定点可由方程求解，记录轨迹相似不等于直接测出皮层定点。

原文 Fig. 7 · PDF 第 7 页

图7 · 网络局部动力学。 特征值与jPCA平面比较检验模型中结构恢复；不是实测连接组。

原文 Fig. 8 · PDF 第 7 页

图8 · 训练及稳健性。 a/b显示相似性和肌电误差，c/d为模型扰动。模型稳健性不能直接当作动物抗扰实验结果。

作者以早期运动相关时段为简化无感觉反馈的理由，但不能据此断言该时段只有局部自主动力学：外部任务输入、既有身体状态及跨区递归仍可能重要。正则化得到的解是可行解释，不是证明其为全局最简单或生物唯一解；表征与动力学分析也不相互排斥。