神经元网络中的模体统计与脉冲相关性
神经元与认知
2015-06-05 v1
摘要
模体是复杂网络的子图模式。我们研究了在积分 - 发放（integrate and fire）神经元循环网络模型中，此类连接模式对细胞对之间相关或同步脉冲活动水平的影响。对于一系列网络架构，我们发现，跨网络平均的成对相关系数仅利用网络连接的三个统计量即可进行紧密近似。这三个统计量分别是：整体网络连接概率，以及两种二阶模体的频率：发散模体（一个细胞向另外两个细胞提供输入）和链式模体（两个细胞通过第三个中介细胞相连）。具体而言，发散模体和链式模体的普遍存在倾向于增加相关性。我们的方法基于线性响应理论，该理论使我们能够利用线性代数表达脉冲统计量；并结合一种重求和（resumming）技术，该技术从二阶模体外推以预测耦合对网络相关性的整体效应。我们基于模体的结果旨在从已知的网络状态中，以微扰方式分离出网络架构的效应。
引用
@article{arxiv.1206.3537,
title = {Motif Statistics and Spike Correlations in Neuronal Networks},
author = {Yu Hu and James Trousdale and Kresimir Josic and Eric Shea-Brown},
journal= {arXiv preprint arXiv:1206.3537},
year = {2015}
}