从尖峰记录推断随机积分-放电神经元集群中的相互作用
机器学习
2011-02-28 v1 神经元与认知
摘要
我们提出了两种贝叶斯程序，用于从随机积分-放电神经元集群的尖峰活动记录中推断其相互作用和外部电流。第一种程序基于对由记录尖峰条件化的神经元膜电位最可能时间过程的精确计算，并且在噪声方差为零且突触整合瞬时的情况下是精确的。第二种程序考虑了电位最可能时间过程周围波动的存在，并且可以处理中等噪声水平。两种程序的运行时间与尖峰数量 S 乘以神经元数量的平方 N² 成正比。这些算法在使用已知耦合和电流的网络生成的合成数据上得到了验证。我们还重新分析了先前发表的蝾螈视网膜活动记录（包括 32 到 40 个神经元，以及 65,000 到 170,000 个尖峰）。我们研究了推断出的相互作用对膜泄漏时间的依赖性，并讨论了其与经典互相关分析的异同。
引用
@article{arxiv.1102.5171,
title = {Fast Inference of Interactions in Assemblies of Stochastic Integrate-and-Fire Neurons from Spike Recordings},
author = {Remi Monasson and Simona Cocco},
journal= {arXiv preprint arXiv:1102.5171},
year = {2011}
}
备注
Accepted for publication in J. Comput. Neurosci. (dec 2010)