Jul, 2014

Hamiltonian 大脑：利用兴奋抑制神经电路动态的高效概率推断

PDF
TL;DR该论文研究使用 Hamiltonian Monte Carlo 算法进行概率推断在大脑皮层中的动态行为，并阐明了皮层计算的效率在于神经振荡的加速在推断方向上的重要性。
probabilistic inferencecortical computationneural oscillationshamiltonian monte carloefficient inference
发现论文，激发创造
  • 人类和猴子大脑新皮层中兴奋和抑制的动态平衡

    人类和猴子的多电极记录表明在清醒 - 睡眠周期的各个状态中，兴奋性和抑制性集团相互协调，存在各种时间尺度上的相关性，这一平衡特性是由局部网络中的递归活动产生的，而不是由外部输入引起的；这一平衡特性的失调可能是定义病态状态的一个重要因素，尤其是在癫痫发作中。

    Oct, 2014

  • 网络可塑性作为贝叶斯推断

    通过统计学习理论的通用结论，我们提出了一个模型，即通过采样网络结构的后验分布，突触可塑性和神经元网络可以进行概率推断，这个模型比现有的模型更好地解释了网络可塑性的随机特性对神经可塑性的影响。

    Apr, 2015

  • 推理推断

    通过结合神经计算的规范和算法理论，我们提出了一种从大规模神经活动模式中推断规范分布计算的数学框架，以发现神经录制中的可解释结构。

    Oct, 2023

  • 神经层面平衡的大脑网络中，信息容量和传输通过神经级联最大化

    通过测量不同物种大脑内多地点局部场电位（LFP）的活动模式和信息交互能力，该研究发现在适度的兴奋 / 抑制（E/I）比例下产生的神经元阵列的规模和信息容量最大，同时也揭示了局部神经元阵列互动峰值的本质 —— 神经元落像是 “局部临界” 现象，是平衡 E/I 和神经元网络的一项普遍性质。

    Dec, 2010

  • 高容量、噪声鲁棒的神经元选择性需要平衡的兴奋和抑制

    该研究论文讨论了神经元和神经元网络在大量噪声的外界环境中如何可靠地进行信息传输，并提出平衡突触连接来实现强大的稳健性的观点。

    May, 2017

  • 随机神经网络中的混沌过渡

    本文研究了神经元电路的速率动力学，发现在具有稀疏正负连接的系统中，存在从固定点到混沌状态的相变，并且相变的性质取决于神经元阈值附近单一神经元输入 - 输出转移函数的形状；当突触时间常数慢于平均反应速率的倒数时，神经元网络会从快速尖峰波动和静态发射率转变为慢速混沌波动。

    Aug, 2015

  • 循环尖峰神经网络中的时空动态和可靠计算

    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

  • 癫痫网络动态的数据驱动模型下的个性化辨识、预测和刺激大脑神经振荡

    通过从脑电图数据直接提取个性化的癫痫网络动力学预测模型，将基于主导的相干振荡及其动力耦合的模型与精确的个体特征相结合，我们展示了周期性脑刺激对癫痫网络动力学的治疗效果进行模型驱动的预测分析，从而推断出周期性脑刺激可以使癫痫网络动力学的病理状态转向正常的功能性脑状态。

    Oct, 2023

  • 短期突触可塑性脉冲神经元形成更优秀的生成网络

    本文提出利用短期可塑性为脉冲神经网络提供与非脉冲神经网络不同的计算优势，并使用节约的局部突触可塑性模拟温度相关技术来解决网络计算困难性问题。这些网络在处理生成任务时表现出出色性能，在任务不平衡的情况下，它们甚至可以胜过传统算法。

    Sep, 2017

  • 通过非局部先验进行贝叶斯尖峰列车推断

    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