重标度、稀疏化或补全？点过程模型与广义线性模型的拟合优度检验方法
神经元与认知
2010-11-19 v1
摘要
广义线性模型（GLMs）已成为建模神经脉冲序列的日益流行的框架。它们与随机点过程理论相关联，研究者利用这种关联，通过点过程理论的方法（例如时间重标度定理）来评估拟合优度。然而，高神经放电率或粗糙的离散化会导致这种关联所需的前提假设失效。在此，我们展示了如何通过从时间序列观测中构建等价的替代点过程，将点过程理论的拟合优度检验仍应用于GLMs。此外，还引入了两种基于稀疏化和补全点过程的额外检验。它们扩充了用于检验点过程以及离散化模型充分性的工具集。
引用
@article{arxiv.1011.4188,
title = {Rescaling, thinning or complementing? On goodness-of-fit procedures for point process models and Generalized Linear Models},
author = {Felipe Gerhard and Wulfram Gerstner},
journal= {arXiv preprint arXiv:1011.4188},
year = {2010}
}
备注
9 pages, to appear in NIPS 2010 (Neural Information Processing Systems), corrected missing reference