尖峰触发适应神经元中噪声诱导的峰间间隔相关与脉冲序列规则化

神经元中的尖峰生成产生一个时间点过程，其统计特性由内在现象和待编码的外部输入所支配。特别是，尖峰引发的适应电流支持一个缓慢的时间过程，该过程根据过去的活动来调节当前的放电概率。在这项工作中，我们研究了一种在小适应场景下能重现不同放电模式的神经元模型中，此类非更新尖峰序列产生的峰间间隔相关性的统计。我们发现，当神经元以由适应过程定义的特定放电率放电时，相关性更强。当处于阈下状态时，神经元可通过噪声维持这一特定放电率，从而诱导相关性。鉴于在此状态下，峰间间隔在任何滞后下均呈负相关，这一效应出人意料地意味着在有限噪声强度下尖峰计数统计的变异性减小。