基于成对相关性预测神经活动的时空模式
使用 Ising 模型描述和分析视网膜神经元的相关放电活动,展示二元交互作用可解释观察到的高阶相关性,并研究人工构建的神经元网络在不同规模下的临界点和集体行为。
Nov, 2006
本研究发现通过距离依赖性连接概率,可以克服兴奋性和抑制性尖峰神经元随机连接网络在进行计算时的不可靠性。在此基础上建立的空间扩展尖峰神经元网络可以展现出对称性破缺分岔现象,并能生成可进行动力学计算的时空模式。
Nov, 2016
通过 Ising 模型,我们发现在脊椎动物视网膜和文化皮层神经元网络中,两元素之间的相关性与大群体之间的高阶复杂相互作用描述了神经元的集体行为,证明了神经编码具有联想或纠错功能。
Dec, 2005
本文通过 Ising 模型描述 40 个神经元之间的相关触发活动,发现神经元之间的配对相互作用影响高阶相关性;作者构建神经网络的基础上,增加规模进一步研究其热力学特性和编码能力,并对 2 种与神经编码相关的现象进行深入研究。
Dec, 2009
使用模拟皮层网络的数据,探究描述多神经元尖峰列统计学的成对 Ising 模型的最优耦合的优化方法和它们的统计特性,并通过比较不同的近似方法从一定程度上找到了这些最优耦合,但发现从小规模子集中提取耦合常常高估其大小,而且随着子集大小的增长,所用模型的拟合效果逐渐恶化,需要引入高阶相关性来描述大型网络的统计特性。
Feb, 2009
通过将广义线性模型与柔性基于图的先前知识结合,利用 Polya-gamma 增强的完全贝叶斯推理的方法,可以从神经元的同时记录的 Spike train 数据中推断潜在结构,我们的方法将神经元分类并从相关的 Spike train 中推断电路组织的潜在维度,并通过应用于灵长类视网膜的多神经元记录,揭示了神经元类型和位置的潜在模式。
Oct, 2016
使用生成对抗网络 (GAN) 的模型 Spike-GAN,可以模拟神经元人群的联合活动,并生成符合实验数据统计学特征的尖峰火箭信号。在与其他主流神经科学建模方法的比较中表现出类似的性能,此方法提供了一种更灵活,易于使用的神经活动合成技术,并可用于确定尖峰火箭信号中的重要特征之间的关系。
Mar, 2018
神经科学的进步使得研究人员能够同时测量行为动物中大量神经元的活动。我们提出了一种基于混合半非局部先验密度和点质量的贝叶斯方法,用于从荧光迹线中确定神经元的确切尖峰,以实现对神经活动的近似。与基于优化的频率方法相反,我们的方法能够自动量化与尖峰列车推断相关的不确定性。
May, 2023
通过建立整个脑部的概率模型,利用群体数据来推断个体的脑连接结构,进而探索大规模的功能结构,以及首次展示已知的认知网络是如何成为功能连接图的集成社团的。
Aug, 2010
本研究提出了一种用于分析神经响应自然刺激的方法,该方法克服了这些刺激所具有的非高斯性和强相关性。该方法基于投射低维子空间上的刺激和神经响应之间的互信息最大化,可以用来确定神经元的输入 - 输出功能,从而更好的理解神经元的功能对刺激的响应。
Dec, 2002