通过经验去泊松化分解神经元集合活动

考虑一个跳跃测度 $\nu$ 由有限多个正整数支持的复合泊松过程。我们提出了一种从单个等间距采样轨迹估计 $\nu$ 的方法，并开发了相关的统计程序。该问题的动机在于探究大脑中的神经细胞在其发放模式中是否表现出高阶相互作用。根据神经元集合假说（Hebb [13]），不同组神经元之间的动作电位同步被视为集合活动的特征，但在神经元活动记录中证明这一点 notoriously 困难。我们基于复合泊松模型的方法允许仅使用群体脉冲计数样本检测任意阶联合脉冲事件的存在，从而避开了“维数灾难”以及在群体信号中分离单神经元脉冲序列的需求。