新皮层相互作用的统计力学：脑电图正则动量指标的训练与测试

一系列论文发展了新皮层相互作用的统计力学（SMNI），从突触相互作用的统计电化学性质推导出实验观察到的神经元柱的聚合行为。虽然SMNI在单神经元水平上无法提供洞见，但它已证明其在描述短时记忆和脑电图（EEG）系统学的大尺度特性方面的能力。在这一发展过程中，强调了对非线性和随机结构的必要考虑。研究拟合了为调查酒精中毒遗传易感性和提取短时记忆脑特征而收集的EEG和诱发电位数据集。自适应模拟退火（ASA）作为一种全局优化算法，被用于对由多元条件概率的路径积分定义的拉格朗日量进行最大似然拟合。由此为个体的EEG数据导出了正则动量指标（CMI）。CMI比原始数据提供更好的信号识别，并可有利地用作行为状态的关联指标。这些结果为一种准确的直观图景提供了强有力的定量支持，该图景将新皮层相互作用描绘为具有共同的代数或物理机制，这些机制跨越相当不同的空间尺度和功能或行为现象，即描述神经元、神经元柱和神经元区域团块之间的相互作用。本文在先前研究的基础上增加了两个重要方面：描述了CMI如何用于源定位，以及使用先前ASA拟合的参数在样本外数据中的计算。