利用成对偏置分析神经元序列

神经元激活序列长期以来与多种脑功能有关。特别是，这些序列与哺乳动物大脑中海马体的记忆形成和空间导航相关联。传统上，神经元序列被解释为神经元模板（即排序）的含噪表现，忽略了序列中包含的更丰富结构。本文引入了一种理解神经元序列的新工具：偏置矩阵。偏置矩阵捕捉了每个神经元相对于其他每个神经元在先或在后放电的概率倾向。尽管仅考虑神经元对，偏置矩阵仍能捕捉序列中神经元的最佳全序（命题3.3），从而推广了神经元模板的概念。我们建立了偏置矩阵的基本数学性质，特别是描述了所有偏置所处的根本多面体（定理3.25）。我们展示了偏置矩阵的底层简单有向图（我们称之为偏置网络）如何作为神经元模板的组合推广。令人惊讶的是，每个简单有向图都可作为某个序列的偏置网络实现（定理3.34）。偏置矩阵表示引导我们得到一种序列相关性的自然方法，进而导出确定一个序列集与另一个序列集相似性的概率框架。利用大鼠海马体数据，我们描述了感兴趣的事件以及序列检测技术。最后，使用我们开发的代码将偏置矩阵和相似性度量应用于该真实数据。