فك ترميز متجه الجمهرة

الخطوة 1: فهم أساسيات فك ترميز المتجه الجمهرة. يعتمد هذا النموذج على افتراض أن الخلايا العصبية الحركية في القشرة الحركية لها 'اتجاه تفضيلي' (preferred direction) يزداد نشاطها عندما يقترب اتجاه الحركة الفعلية من هذا الاتجاه، وتتناسب نسبة الإطلاق مع جيب تمام الزاوية بين اتجاه الحركة والاتجاه التفضيلي. في هذه الحاسبة، لدينا خليتين عصبيتين (ن1، ن2) بمعدلات إطلاق (n1, n2) واتجاهات تفضيلية (θ1, θ2). الهدف هو استخراج الاتجاه المُشفر (θ_decoded) الذي تُمثله الجمهرة.

الخطوة 2: تحويل الاتجاهات التفضيلية إلى متجهات وحدة. لكل خلية عصبية i، نحول الزاوية θi إلى متجه وحدة: (cos(θi), sin(θi)). هذا المتجه يمثل الاتجاه المفضل للخلية. في حساب المتجه الجمهرة، نستخدم هذه المتجهات كأساس.

الخطوة 3: حساب المتجه الجمهرة (Population Vector). نضرب كل متجه وحدة في معدل الإطلاق المقابل (ni) ثم نجمعهم: V = (n1 * cos(θ1) + n2 * cos(θ2), n1 * sin(θ1) + n2 * sin(θ2)). هذا يعطينا متجهاً واحداً يمثل اتجاه الحركة المقدر بوزن نسبي يعتمد على نشاط الخلايا.