不同积分-放电神经元的比较研究：自发活动、动态响应及刺激诱导的相关性

随机积分-放电（IF）神经元模型在计算神经科学中得到了广泛应用。本文展示了白噪声驱动的完美、漏电和二次IF模型的结果，重点关注不同动力学状态（低或中等噪声下的噪声诱导和强直放电状态）下的谱统计量（功率谱、互谱和相干函数）。我们通过调整参数使所有模型的峰间期均值和变异系数匹配，从而使模型具有可比性。我们发现，在这些条件下，白噪声刺激下的功率谱通常非常相似，而由输入噪声的一部分与输出脉冲序列之间的互谱描述的响应特性可能差异巨大。我们还研究了两个同类神经元（例如两个漏电IF神经元）在共享共同噪声输入时其脉冲序列的相关性。我们表明，取决于动力学状态，要么两个二次IF模型，要么两个漏电IF模型具有更强的相关性。我们的结果表明，在为网络模拟选择简单IF模型时，模型的细节对输出的相关性和规律性有显著影响。