Training and spontaneous reinforcement of neuronal assemblies by spike timing
皮层的突触连接是可塑的，经验塑造了神经元之间正在进行的相互作用。尖峰时间依赖可塑性（STDP）的理论研究集中在神经元对或大规模的模拟分析的洞察力是缺乏的。一个简单的解释如何快速尖峰时间相关性影响微观和宏观网络结构仍然缺乏。我们开发了一个低维的平均场理论，显示如何STDP引起强耦合的神经元组件与共享的刺激偏好，与连接积极加强自发动态过程中的脉冲序列相关性。此外，刺激编码的细胞组件积极维持这些内部产生的尖峰相关性，这表明了一个新的作用，噪音相关性的神经编码。组装形成往往与基于放电率的可塑性计划，我们的理论提供了一个替代和补充的框架，时间相关性和STDP的形式，并积极保持学习结构的皮层网络。
2016-07-30 q-bio.NC
Firing statistics in the bistable regime of neurons with homoclinic spike generation
有规律放电的神经元的神经元电压动力学通常有一个稳定的吸引子：固定点（如在阈下状态）或限定动作电位的强直放电的极限环（在阈上状态）。然而，在已知引起全或无类型动作电位的三个尖峰起始分叉序列中的两个中，静息状态不动点和极限环尖峰可以共存于中间状态，从而导致双稳态动力学。这里，噪声可以引起吸引子之间的切换，即，之间的休息和尖峰，并因此增加了脉冲序列的变化相比，只有一个稳定的吸引神经元。由此产生的尖峰统计的定性特征取决于尖峰发作分叉。本研究的重点是通过鞍同宿轨道（HOM）分岔的尖峰极限环的创建，并推导出基于电导的神经元模型在双稳态制度的峰间期（ISI）密度。双稳态同宿神经元的ISI密度是单峰的，但不同于与鞍结不变环（SNIC）分叉相关的逆高斯分布。它表明，HOM分叉之间的过渡休息和尖峰主要是确定沿下行的动作电位-一个动态的功能，是不被常用的复位神经元模型捕获。推导出的尖峰统计量可以帮助识别实验数据中的HOM动力学。
2020-10-06 q-bio.NC
Biophysical properties and computational modeling of calcium spikes in serotonergic neurons of the dorsal raphe nucleus
中缝背核的5-羟色胺能神经元广泛分布于几乎整个大脑，对许多认知和生理过程具有重要的调节作用。它们在临床抑郁症和其他精神疾病中发挥重要作用。为了量化多巴胺能传递对靶细胞的影响，需要构建计算模型，为此，有必要详细了解多巴胺能神经元的生物物理和尖峰特性。在这里，几个基本的属性进行了审查，从20世纪60年代到现在的几项研究的数据。包括的数量是输入电阻，静息膜电位，膜时间常数，放电率，穗持续时间，穗和后超极化（AHP）的幅度，穗阈值，细胞电容，胞体和somadendritic面积。这些细胞的动作电位通常由钠电流和钙电流的组合触发，这可能导致自主起搏活动。在这里，我们分析的机制，高阈值的钙峰已被证明在这些细胞的TTX的存在。给钙尖峰所需的钙动力学的参数是完全不同的，从那些经常扣球，这表明参与的限制部分的体细胞-树突表面已被发现，例如，在海马神经元。
2012-12-05 q-bio.NC
Spike Onset Dynamics and Response Speed in Neuronal Populations
最近的研究皮层神经元驱动的波动电流揭示了几百赫兹的动作电位编码的截止频率。生物物理神经元模型的理论研究已经预测了一个低得多的截止频率的平均放电率或倒数膜时间常数的顺序。因此，所观察到的高截止频率的生物物理起源还没有得到很好的理解。在这里，我们介绍了一个神经元模型与动态动作电位的产生，其中的线性响应可以分析计算不相关的突触噪声。我们发现，当动作电位起始的时间尺度变短时，截止频率增加到非常大的值。
2011-03-03 q-bio.NC
Highly connected neurons spike less frequently in balanced networks
许多生物神经元网络表现出高度可变的尖峰活动。平衡网络提供了这种可变性的简约模型。在平衡网络中，强兴奋性突触输入平均被强抑制性输入抵消，并且尖峰活动由这种平衡的瞬时中断驱动。大多数以前的平衡网络的研究假设一个同质或距离依赖的连接结构，但在生物皮层网络的连接是更加复杂。我们使用平衡网络的异质平均场理论来证明异质入度可以打破平衡，但可以通过与入度相关的异质出度来恢复平衡。在所有考虑的例子中，我们发现高度连接的神经元尖峰频率较低，与最近的实验观察一致。
2016-01-19 q-bio.NC
Modeling and characterizing stochastic neurons based on in vitro voltage-dependent spike probability functions
神经系统中的神经元受到不同的噪声源的影响，例如离子通道噪声和突触噪声，这在它们对相同刺激的重复呈现的反应中引入了变异性。这促使使用随机模型来描述神经元的行为。在这项工作中，我们描述了一个内在的随机神经元模型的基础上，电压依赖的尖峰概率函数。我们通过测量单个神经元的发放时间可靠性来确定内在噪声的影响，并研究了随机共振现象。该模型能够显示出增加的可靠性为非零的固有噪声值，根据什么是已知的从文献中，并增加了内在的随机性，它增强了随机共振存在的区域。我们继续在网络层面上的研究，我们研究了由随机神经元组成的随机网络的行为。在这种情况下，增加一个额外的维度，由固有噪声表示，揭示了系统的动态状态，否则无法找到。最后，我们提出了一种方法来估计尖峰概率曲线从体外电生理数据。
2021-06-08 q-bio.NC
Spike-timing-dependent plasticity and random inputs shape interspike interval regularity of model STN neurons
本研究针对帕金森病相关的STN神经元振荡问题，建模分析随机输入与STDP等突触动力学的相互作用，发现二者共同调控放电模式与脉冲间期规律性，为PD机制及管理提供新见解。
2025-02-21 q-bio.NC
Effect of Synchronous Incoming Spikes on Activity Pattern in A Network of Spiking Neurons
尽管最近的神经生理学实验表明同步的神经活动参与了一些知觉和认知过程，但这种连贯的神经元行为的功能作用还没有得到很好的理解。作为阐明这一作用的第一步，我们研究了某些神经元活动的时间相干性如何影响神经网络中的活动模式。使用一个简单的网络的泄漏集成和消防神经元，我们研究了同步传入尖峰的功能上的两个机制，通常用于模型神经系统，赢家通吃的竞争和联想记忆。我们证明了一对开关所经历的传入尖峰，从异步到同步，然后回到异步，触发了网络从一个状态到另一个状态的过渡。例如，在联想记忆的情况下，这种转换控制下一次回忆的时间，而异步状态下的放电率模式为网络准备下一个检索模式。
2004-10-25 q-bio.NC
Mind the Last Spike -- Firing Rate Models for Mesoscopic Populations of Spiking Neurons
用于理解皮层计算的主要建模框架是启发式放电率模型。尽管他们的成功，这些模型不足以捕捉尖峰同步效应，链接到生物物理参数和描述有限大小的波动。在这篇观点文章中，我们提出，耐火密度方法（RDM），也被称为年龄结构种群动力学或准更新理论，产生了一个强大的理论框架，建立基于速率的模型，从现实的神经元动力学在微观层面的介观神经元群体。我们回顾了RDM取得的最新进展，以获得有效的人口密度方程的网络广义积分和消防（GIF）神经元-一类神经元模型，已成功地适合于各种细胞类型。该理论不仅预测了大种群神经元的非平稳动力学，而且还允许扩展到有限大小的种群和系统地减少到低维速率动力学。新类型的速率模型将允许在生物约束下重新检查皮质计算模型。
2019-09-22 q-bio.NC
Low-dimensional spike rate models derived from networks of adaptive integrate-and-fire neurons: Comparison and implementation
单个神经元的放电活动可以很好地描述了一个非线性集成和发射模型，包括躯体适应。当暴露于波动的输入稀疏耦合的人口，这些模型神经元表现出随机的集体动态，可以有效地使用福克-普朗克方程的特点。[...]在这里，我们从该描述中推导出四个简单的模型的穗率动力学的低维常微分方程，使用两种不同的减少技术：一个使用的频谱分解的福克-普朗克算子，另一个是基于级联的两个线性滤波器和非线性，这是确定从福克-普朗克方程和半解析近似。我们评估了各种生物学上合理的输入统计量的简化模型，发现这两种近似方法导致尖峰速率模型，准确地再现了潜在的自适应集成和消防人口的尖峰行为。[...]低维模型也很好地再现了稳定的振荡尖峰速率动态，这是由经常性的突触兴奋和神经元适应。[...]我们已经提供了实现，允许数字集成的低维尖峰速率模型，以及福克-普朗克偏微分方程的任意模型参数化的有效方法作为开源软件。导出的尖峰速率的描述保留了一个直接的链接到单个神经元的属性，允许方便的数学分析的网络状态，并且非常适合于应用在神经质量/平均场为基础的脑网络模型。
2017-07-19 q-bio.NC
Identifying features in spike trains using binless similarity measures
中枢神经系统中的神经元通过一系列动作电位或脉冲序列相互交流。各种研究表明，神经元以脉冲序列的不同特征编码信息，例如精细时间结构、平均放电率、同步性等。理解神经元编码信息的重要一步是获得可靠的测量值不同脉冲序列之间的相关性。本文提出了两种新的脉冲序列的无仓相似性度量。新措施的性能进行了比较，与现有的一些措施，在他们的能力，检测的重要功能的脉冲序列，如他们的发射率，突发和共同的沉默期的敏感性和检测同步活动。
2014-10-19 q-bio.NC
Effects of spike-triggered negative feedback on receptive-field properties
感觉神经元通常用感受野来描述，也就是说，一个线性核，通过它在刺激被进一步处理之前过滤刺激。如果假设信息传递以前馈级联方式进行，则感受野可以被解释为使神经元输出最大化的外部刺激的轮廓。然而，神经系统包含许多反馈回路，感觉神经元过滤的电流比代表转导的外部刺激的电流多。一些额外的电流是由神经元本身的输出活动产生的，因此构成反馈信号。通过对输入/输出变换的时频分析，我们展示了反馈如何改变感受野。该模型适用于各种类型的反馈过程，从尖峰触发的内在电导抑制突触输入附近的神经元。我们区分内在感受野（过滤所有输入电流）和有效感受野（仅过滤外部刺激）。而内在感受野概括了与阈下整合和尖峰产生相关的神经元的生物物理特性，只有有效感受野可以被解释为使神经元输出最大化的外部刺激的轮廓。我们证明了尖峰触发反馈将低通滤波向带通处理转移，将积分器神经元转化为谐振器。对于强反馈，可能出现光谱神经元选择性的尖锐共振。我们的研究结果提供了一个统一的框架来解释以前的实验研究，其中特定的反馈机制被证明可以修改神经元的过滤特性。
2015-03-10 q-bio.NC
Causal Spike Timing Dependent Plasticity Prevents Assembly Fusion in Recurrent Networks
该研究通过数值模拟与平均场理论发现，循环网络中因果型STDP规则可抵消共享神经元的对称相关性，使成员高度重叠的神经元集群维持功能独立，而非因果STDP在重叠超阈值时会引发集群融合，为分布式表征机制提供了理论依据。
2025-01-16 q-bio.NC
Waveform sample method of excitable sensory neuron
我们提出了一个新的解释编码信息的输入信号的周期到个人感觉神经元系统的尖峰序列。尖峰序列可以描述为输入信号的波形样本，其随机地将样本点锁定到波峰。通过对Hodgkin-Huxley（HH）神经元对周期性输入信号的响应仿真，证明了随机采样是一种合适的中频编码方法，因为其重构的尖峰脉冲序列的功率谱与神经信号的功率谱完全相同。
2006-01-09 q-bio.NC
On the statistical significance of temporal firing patterns in multi-neuronal spike trains
在许多涉及多个神经元同时记录的实验中，观察到一组神经元的连续放电序列重复发生，神经元之间具有固定的时间延迟。这样的时间模式潜在地指示底层微电路，并且重要的是知道何时重复出现的模式在统计上是显著的。这些序列通常通过相关计数来识别，例如在Abeles和Gerstein的两带算法中。在本文中，我们提出了一种方法来决定这种相关性的意义，通过表征一个神经元对另一个神经元的影响的条件概率，并指定我们的零假设的条件概率的约束。这种检验相关计数显著性的方法比目前可用的方法更普遍，因为在我们的零假设下，我们不假设不同神经元的尖峰过程是独立的。我们的零假设的结构还允许我们根据构成模式的神经元之间的相互作用的强度对检测到的模式进行排序。我们展示了我们的方法，评估模拟脉冲序列的重要性，涉及非齐次泊松过程与强相互作用，其中的相关计数使用两个磁带算法。
2008-09-01 q-bio.NC
Spike timing-dependent plasticity induces non-trivial topology in the brain
我们研究了网络中Hodgkin-Huxley神经元暂时或永久改变其连接和行为的能力，即所谓的尖峰时间依赖可塑性（STDP），作为其同步行为的函数。我们认为STDP兴奋性和抑制性突触驱动的赫布规则。我们表明，STDP演变的网络的最终状态取决于初始网络配置。具体而言，初始的全对全拓扑演化为复杂拓扑。此外，外部扰动可以诱导共存的集群，那些神经元是同步的，那些神经元是desynchronous。这项工作表明，基于赫布规则的STDP导致高频率和低频率神经元之间的突触方向的变化，因此，赫布学习可以解释为这两个不同的神经元社区之间的优先连接，低频尖峰神经元和高频尖峰神经元。
2017-02-08 q-bio.NC
Stimulus-dependent correlations in threshold-crossing spiking neurons
我们认为一个阈值交叉尖峰过程作为一个简单的模型内的神经元群体的活动。假设这些神经元由高斯统计的共同波动输入驱动，我们评估了具有不同阈值的成对模型神经元中的脉冲序列的互相关。这种相关函数在时间上往往是不对称的，表明具有较低阈值的神经元优先于具有较高阈值的神经元，即使它们的输入相同。这些结果之间的关系和尖峰统计在其他模型的神经活动进行了探讨。特别是，我们比较我们的模型与一个集成和消防模型，其中膜电压重置后，每个尖峰。尖峰交叉相关的定性性质，出现从阈值交叉模型，是类似的突发事件中的集成和消防模型。这对于广义的整合和激发模型尤其如此，在该模型中，尖峰往往以观察到的突发方式发生，例如，在由快速波动的视觉刺激驱动的视网膜神经节细胞中。因此，阈值交叉模型提供了一个简单的，易于分析的描述事件发生在这些神经元。
2009-02-12 q-bio.NC
Characterizing synaptic conductance fluctuations in cortical neurons and their influence on spike generation
皮质神经元受到持续的和不规则的突触活动，其引起膜电位（Vm）的重要波动。我们在这里回顾不同的方法来表征这种活动及其对穗产生的影响。简化的，波动点电导模型的突触活动提供了起点的各种方法的分析细胞内Vm记录。在这个模型中，突触的兴奋性和抑制性电导由高斯分布的随机变量或有色电导噪声来描述。匹配的实验记录的Vm分布的可逆的理论表达式，从模型中得到的突触电导分布的特征参数的提取。这种分析可以通过实验Vm功率谱密度（PSD）与理论模板的匹配来补充，即使实验PSD的意外缩放特性限制了后者方法的精度。建立在这种随机特性的突触活动，我们还提出了方法来定性和定量评估尖峰触发的平均值的突触时间过程之前的尖峰。这一分析指出了突触电导方差在确定尖峰时间中的重要作用。所提出的方法进行了评估，使用控制电导注射在体外皮质神经元的动态钳技术。我们回顾他们的应用程序在体内的细胞内记录在猫的关联皮层，这表明在确定在活性网络中嵌入的皮层神经元的阈下和阈上动力学抑制的主要作用的分析。
2007-11-15 q-bio.NC
Estimating the number of neurons in multi-neuronal spike trains
研究神经活动和行为之间关系的一种常见方法是通过分析使用植入大脑中的一个或多个电极记录的神经元尖峰序列。每个尖峰训练通常包含由多个神经元生成的尖峰。一个自然出现的问题是“产生尖峰训练的神经元$ν$的数量是多少？本文提出了一种矩量法技术估计$ν$。这种技术估计噪声nonparametrically使用的数据从无声区域的尖峰训练，它适用于孤立的尖峰可能很小，但不可忽略，存在重叠尖峰。条件建立，其中所得到的估计$ν$是强一致的。为了衡量其有限样本的性能，该技术适用于模拟尖峰列车以及实际的神经元尖峰训练数据。
2011-04-14 q-bio.NC stat.AP
Constructing precisely computing networks with biophysical spiking neurons
虽然尖峰时间已被证明携带详细的刺激信息在感觉外围，其可能的作用在网络计算是不太清楚。大多数神经网络的计算模型都是基于群体放电率的。在等效尖峰发放实现中，假设激发是随机的，使得跨神经元群体的平均恢复基于速率的方法。然而，最近Denéve及其同事提出，神经元的尖峰行为可能是神经元网络计算的基础，精确的尖峰时间由每个神经元对产生所需输出的贡献决定。通过假设每个神经元激发以减少网络输出中的误差，证明了线性计算可以由通过瞬时突触进行通信的集成和激发神经元网络进行。然而，这留下了一个可能性，即现实的网络，具有基于电导的神经元，具有亚阈值非线性和生物物理突触的较慢时标，可能不适合这个框架。在这里，我们展示了如何尖峰为基础的方法可以扩展到生物物理学合理的网络。然后，我们表明，我们的网络再现了一些关键功能的皮质网络，包括不规则和泊松样尖峰时间和兴奋和抑制之间的紧平衡。最后，我们讨论了我们的模型的行为如何与网络规模，或从一个更大的计算网络“记录”的神经元的数量。这些结果显着增加了基于尖峰的网络计算方法的生物相容性。
2015-07-16 q-bio.NC
Learning with precise spike times: A new decoding algorithm for liquid state machines
有大量证据表明，生物神经网络在神经元产生和传输的尖峰的精确定时中编码信息，这提供了基于速率的编码的几个优点。在这里，我们采用矢量空间制定的脉冲序列序列，并引入一个新的液态机（LSM）网络架构和一个新的前向正交回归算法学习的输入输出信号映射或解码的大脑活动。该算法使用精确的尖峰时间来选择与每个学习任务相关的突触前神经元。我们表明，使用精确的尖峰定时训练的LSM和选择读出神经元导致显着增加的性能上的二进制分类任务，以及在解码神经活动从多电极阵列记录，相比，使用标准的架构和训练方法。
2019-07-13 q-bio.NC
Subthreshold signal encoding in coupled FitzHugh-Nagumo neurons
尽管进行了深入的研究，但神经元如何编码外部输入的机制仍然知之甚少。最近的工作集中在一个单一的神经元对一个弱的，阈下周期性信号的反应。通过模拟FitzHugh-Nagumo随机模型，然后使用符号方法来分析神经元的放电活动，检测到首选和罕见的尖峰模式（由尖峰的相对定时定义），其概率编码有关信号的信息。由于不是孤立的单个神经元而是神经元群体负责复杂行为的出现，因此一个相关的问题是当神经元不是孤立的时，这种编码机制是否稳健。我们研究了第二个神经元，它不感知阈下信号，影响的检测和编码的信号，由第一个神经元完成。通过模拟两个耦合的FitzHugh-Nagumo神经元，我们表明，编码机制确实是强大的，因为神经元感知信号发射的脉冲序列，具有符号模式，其概率取决于信号的功能。此外，我们表明，第二个神经元有利于检测的信号，通过降低第一个神经元的发射阈值。这反过来又降低了发射对信号进行编码的尖峰所需的内部噪声电平。我们还表明，符号模式的概率达到最大值或最小值时，外部信号的周期是接近（或一半）的神经元的平均放电周期。
2017-11-22 q-bio.NC
Temporal correlation based learning in neuron models
我们研究的学习规则的基础上的时间相关性（加权的学习内核）传入的尖峰和突触后神经元的内部状态，建立在以前的研究尖峰时间依赖性突触可塑性（\cite{KGvHW,KGvH1,vH}）。我们的突触权重$w_{ij}$的学习规则是$$ \dot w_{ij}(t)= ε\int_{-\infty}^\infty \frac{1}{T_l} \int_{t-T_l}^t \sum_μδ(τ+s-t_{j,μ}) u(τ) dτ Γ(s)ds $$，其中$t_{j,μ}$是来自突触前神经元$j$的尖峰的到达时间，函数$u(t)$描述突触后神经元$i$的状态。因此，包含在内部积分中的尖峰触发的平均值由内核$Γ(s)$加权，内核是学习窗口，对于突触后和突触前活动之间的时间差$s$的负值为正，对于正值为负。学习窗口的反对称假设使我们能够推导出一般神经元模型的解析表达式，并研究突触权重变化后输入输出关系的变化。这是真正的非线性效应（\cite{SMA}）。
2005-11-11 q-bio.NC
Spectral representation: analyzing single-unit activity in extracellularly recorded neuronal data without spike sorting
细胞外记录的神经元数据的常规分析的一个步骤是尖峰分选，其将电信号分离成来自不同神经元的动作电位。由于尖峰排序涉及人类的判断，它可能是主观的和时间密集的，特别是对于大量的神经元。在这里，我们提出了一个简单的，自动化的方法来构建神经元活动的替代表示，称为频谱表示（SR）。在这种方法中，神经元的尖峰被映射到一个离散空间的尖峰波形特征和时间。频谱表示使我们能够找到单单位刺激相关的神经元活动的变化，而无需尖峰排序。我们测试的能力，这种方法来预测刺激使用模拟数据和实验数据从麻醉绒猴的听觉映射研究。我们发现，我们的方法产生更准确的分类刺激比穗排序数据的模拟和实验条件。此外，这种方法本身的细胞外记录的神经元系综的自动化分析。此外，我们建议的方式，这些表示可以很容易地扩展到协助尖峰排序和评价单神经元的刺激周围时间直方图。
2005-02-24 q-bio.NC q-bio.QM
Routing brain traffic through the von Neumann bottleneck: Parallel sorting and refactoring
用于发放神经元网络的通用模拟代码将大部分时间花费在发放已经到达计算节点并且需要被递送到其目标神经元的阶段。这些尖峰信号是由分布在许多计算节点上的源神经元在通信步骤之间的最后一个间隔内发出的，并且相对于它们的目标来说本质上是不规则的。为了找到目标，需要将尖峰发送到三维数据结构，并在途中做出关于目标线程和突触类型的决定。随着网络规模的增长，计算节点从越来越多的不同源神经元接收尖峰，直到计算节点上的每个突触都有唯一的源。在这里，我们分析了这种稀疏性如何出现在实际相关的网络大小范围从十万到十亿个神经元。通过分析生产代码，我们调查了算法更改的机会，以避免间接和分支。每个线程在计算节点上承载相等份额的神经元。在原始算法中，所有线程都搜索所有尖峰以挑选出相关的尖峰。随着网络规模的增加，命中率保持不变，但拒绝的绝对数量增加。另一种算法在线程之间平均分配尖峰，并根据目标线程和突触类型并行对其进行排序。在此之后，每个线程完成单独为其自己的神经元发送尖峰部分。新算法将尖峰传递中的指令数量减半，从而使仿真时间减少了40%。因此，尖峰递送是具有单个同步点的完全可并行化的过程，并且因此非常适合于众核系统。我们的分析表明，进一步的进展需要减少的延迟指令访问内存的经验。
2022-03-10 q-bio.NC
Spikes can transmit neurons' subthreshold membrane potentials
本文从理论上证明，尽管神经元通过跨越阈值的尖峰通信，其阈下膜电位波动仍可被完美传递至下游群体，这是高维集中现象的体现。
2025-01-23 math.PR q-bio.NC
On the properties of input-to-output transformations in networks of perceptrons
大脑中某些神经元网络中的信息处理可以被认为是二进制向量的映射，其中输入神经元的1（尖峰）和0（无尖峰）被转换为输出神经元的尖峰和无尖峰。这种映射的一个简单但基本的特征是它如何转换输入向量之间的距离。特别是，给定输入向量之间的一定距离，输出向量之间的平均距离是多少？使用组合的方法，我们发现了一个精确的解决方案，这个问题的感知器网络的二进制权重。由此产生的公式允许精确分析网络连接性和神经元兴奋性如何影响神经元尖峰脉冲的向量之间的距离的变换。作为一个应用，我们考虑了一个简单的网络模型的信息处理在海马体，一个大脑区域的学习和记忆的关键牵连，并找到了一个参数的组合，输出神经元区分相似和不同的输入最有效。输出神经元阈值的降低，在生物网络中可能与抑制降低、辨别最优性受损有关。
2013-12-04 q-bio.NC
Analysis of inter-spike interval statistics in neuronal networks with depolarizing and hyperpolarizing threshold potentials
University of Delaware（特拉华大学）
研究接收独立兴奋性和抑制性突触前动作电位的突触后神经元的ISI统计，通过构建积分发放神经元模型，分析固定和自适应阈值电位下的ISI噪声，揭示其与输入频率关系，还研究超极化自适应阈值电位，为理解神经元间信息处理提供系统随机分析。
2026-07-22 q-bio.NC
Learning to represent signals spike by spike
神经科学中的一个关键问题是，生物物理现象在哪个层次上产生了功能意义。在大多数脊椎动物系统中，精确的功能是在神经元群体的水平上分配的，而单个神经元被认为是不可靠和冗余的。在这里，我们挑战这种观点，并表明许多单神经元的数量，包括电压，放电阈值，兴奋，抑制和尖峰，获得精确的功能意义时，网络学会传递信息吝啬和精确到下一层。基于神经回路在严格的代谢成本约束下产生精确的群体代码的假设，我们推导出突触可塑性规则，该规则允许网络以最大的准确度表示其随时间变化的输入。我们提供了学习的最佳状态的精确解，并从其输入分布和活动成本预测整个网络的属性。单神经元的变异性和调谐曲线通常在皮层中观察到的学习过程中出现，但矛盾的是，与一个精确的，非冗余的尖峰为基础的人口代码。我们的工作表明，神经回路的运作比以前想象的要精确得多，而且没有一个尖峰是徒劳的。
2017-03-16 q-bio.NC
A neuro-inspired system for online learning and recognition of parallel spike trains, based on spike latency and heterosynaptic STDP
人类在包括模式识别在内的许多认知任务中表现出色。然而，这一过程背后的神经机制还没有很好地理解。然而，受大脑回路启发的人工神经网络已经被设计并用于处理时空模式识别任务。在本文中，我们提出了一个多神经元的锋电位模式检测结构，能够自主实现在线学习和识别的并行锋电位序列（即，属于不同神经元/神经系综的脉冲序列）。这种结构的工作原理是基于两个尖峰/突触神经计算特性：尖峰延迟，使神经元能够以一定的延迟和异突触可塑性发射尖峰，允许自己调节突触权重。从信息表示的角度来看，该结构允许将时空刺激映射到多维、时间的特征空间。在这个空间中，参数坐标和神经元激发的时间代表一个特定的特征。在这个意义上，每个特征可以被认为跨越单个时间轴。我们应用我们提出的计划从运动抑制认知任务的实验数据。实验结果表明，该方法具有较好的分类性能.除了它的有效性，它的简单性和低计算成本建议在几个领域，如脑机接口，个人生物识别认证或疾病的早期检测的实时识别应用的大规模实施。
2018-06-27 q-bio.NC
Characterizing signal encoding and transmission in class I and class II neurons via ordinal time-series analysis
神经元以脉冲序列编码和传输信息。然而，尽管为量化其信息内容作出了努力，但在这方面取得的进展甚微。在这里，我们使用一个非线性的时间序列分析（称为有序分析）的方法来比较统计的尖峰序列所产生的输入信号的神经元模型的莫里斯-Lecar。特别是，我们考虑两种不同的制度的神经元，导致两类的兴奋性：I类，其中的频率-电流曲线是连续的和II类，其中的频率-电流曲线是不连续的。通过将序数分析应用于脉冲间间隔（ISI）序列，我们的目标是（1）研究不同的神经元类型是否可以产生具有相似符号特性的脉冲序列;（2）更深入地理解电（扩散）和兴奋性化学（即，兴奋性突触）耦合具有的特性;以及（3）当小振幅周期性信号被施加到神经元之一时，比较信号特征（振幅和频率）如何在I类和II类神经元以及电或化学耦合的所生成的ISI序列中被编码和传输。我们发现，根据频率，神经元/类和耦合类型的特定组合允许更有效的编码，或更有效的信号传输。
2019-08-05 q-bio.NC
Recording from two neurons: second order stimulus reconstruction from spike trains and population coding
我们研究了重建的视觉刺激从脉冲序列，同时记录从两个H1神经元位于小叶板的苍蝇大头蝇。苍蝇认为两种类型的刺激，相应的旋转和平移位移。如果重建的刺激要用Volterra级数表示，并且要考虑尖峰之间的相关性，那么一阶展开是不够的，我们至少要进行二阶展开。在这种情况下，必须操纵高阶相关函数，其大小可能变得过大。因此，我们开发了一个高斯型表示的四阶相关函数，它的工作非常好的情况下，苍蝇。使用这种类高斯表示的重建与使用实验相关函数的重建非常相似。旋转刺激重建的二阶内核的整体贡献-测量卡方平均在整个实验-只有约8%的一阶贡献。然而，如果我们引入一个依赖于瞬时的卡方来衡量二阶内核在特殊事件中的贡献，我们观察到高达100%的改善。正如所料，对于平移刺激，重建是相当差的。类高斯表示在具有大量神经元的群体编码中可能是有价值的辅助。
2009-09-28 q-bio.NC
Stochastic Spike Synchronization in A Small-World Neural Network with Spike-Timing-Dependent Plasticity
我们考虑由阈下神经元组成的Watts-Strogatz小世界网络，该网络表现出噪声诱导的尖峰脉冲。这种神经元网络具有由尖峰定时依赖可塑性（STDP）控制的自适应动态突触强度。在以前的作品没有STDP，随机尖峰同步（SSS）之间的噪声诱导的尖峰的阈下神经元被发现发生在一个范围内的中间噪声强度通过竞争之间的建设性和破坏性的作用的噪声。在这里，我们研究的效果添加剂STDP上的SSS通过改变噪声强度。发现突触可塑性中的“马太”效应的发生是由于正反馈过程。结果，好的同步通过突触强度的长时程增强（LTP）变得更好，而差的同步通过长时程抑制（LTD）变得更差。通过对突触前和突触后瞬时个体发放率（IISR）之间的配对相关性以及突触前和突触后发放时间之间的时间延迟分布的微观研究，深入研究了突触强度的LTP和LTD的出现。此外，与加性STDP的情况相比，还研究和讨论了乘法STDP（这取决于状态）对SSS的影响。
2017-08-14 q-bio.NC
Scaling Spike Detection and Sorting for Next Generation Electrophysiology
可靠的锋电位检测和分类，将每个检测到的锋电位分配给其起源神经元的过程，是分析神经元细胞外电记录的重要步骤。来自最近开发的大规模、高密度微电极阵列和探针的数据的量和复杂性（其允许同时从数千个通道记录）在概念上和计算上显著地使该任务复杂化。本章总结和讨论了最近开发的方法来应对这些挑战，并讨论了算法验证的重要方面，以及检测和分类质量的评估。
2018-09-04 q-bio.NC
Theory of input spike auto- and cross-correlations and their effect on the response of spiking neurons
神经元之间的尖峰相关性在皮层中普遍存在，但它们的作用目前还不清楚。在这里，我们描述了一个泄漏的整合和消防神经元（LIF）时，它收到一个暂时相关的输入突触前相关的神经元群体产生的放电响应。输入相关性的特征在于放电率，Fano因子，相关系数和相关的时间尺度的神经元驱动的目标神经元。我们发现，突触前脉冲序列的总和不能很好地描述了泊松过程。在短相关时间尺度和长相关时间尺度的限制下，得到了输出点火率的解。
2007-10-11 physics.bio-ph q-bio.NC
The role of synaptic facilitation in coincidence spike detection
使用一个现实的模型的活动依赖的动态突触和一个标准的集成和消防神经元模型，我们研究，分析和数值，条件下，一个突触后神经元有效地检测到的尖峰到达一定的频率从N个不同的传入时间重合。我们扩展了以前的工作，只考虑突触抑制作为最重要的机制，通过突触的信息传递，更一般的情况下，包括突触促进。我们的研究表明：1）易化增强了对来自突触前兴奋性神经元子集的相关信号的检测，在该子集之间具有不同程度的相关性，以及2）易化的存在允许更好地检测放电速率变化。最后，我们还观察到，促进决定了存在一个最佳的输入频率，允许最佳性能的神经元放电阈值的宽（最大）范围。该最佳频率可以通过促进参数来控制。
2006-05-03 q-bio.NC
Influence of synaptic interaction on firing synchronization and spike death in excitatory neuronal networks
我们研究了兴奋性神经元网络中突触相互作用的效能对放电同步的影响。我们发现了尖峰死亡现象，即神经元的状态从极限环过渡到不动点或瞬态。这些现象是在兴奋性突触相互作用的扰动下发生的，具有很高的功效。结果表明，突触电流的降低通过抑制钠离子电流的反馈而导致锋电位死亡。在具有锋电位死亡特性的网络中，同步程度较低，对神经元的异质性不敏感。其影响机制是神经元状态的转换破坏了神经元振荡节律的调整，阻止了放电同步性的进一步提高。
2008-11-17 cond-mat.dis-nn q-bio.NC
An Integral Equation Approach to the Dynamics of L2-3 Cortical Neurons
神经元群体如何在其群体放电率中编码时间依赖性刺激？为了解决这个问题，我认为准更新方程和基于事件的扩展，最近提出的两个理论近似，并测试这些对周围刺激时间直方图从L2-3锥体细胞在体外。通过梯度下降优化参数，以在给定电流输入的情况下最佳匹配点火率输出。拟合方法可以估计通常通过细胞内记录或单个脉冲序列获得的单神经元参数。我发现，准更新理论预测的适应射击率有很好的精度，但不是基于事件的扩展。准更新预测在质量上等同于最先进的尖峰时间预测方法，并且这样做而不诉诸于单独的尖峰时间或膜电位响应。
2013-12-03 q-bio.NC
Auto and crosscorrelograms for the spike response of LIF neurons with slow synapses
在噪声存在下，简单但现实的神经元模型的响应特性的分析描述仍然缺乏。我们完全确定了一个单一的和一对泄漏的积分和消防神经元（LIF）接收一些常见的缓慢过滤的白噪声的发射统计的二阶。特别是，自相关和互相关函数的输出脉冲序列的细胞对的绝热近似\cite{Mor+04}中引入的改进。这两个函数定义了神经元之间的放电变异性和放电同步性，对于理解神经元之间的通信具有重要意义。
2007-10-11 physics.bio-ph q-bio.NC
Effects of the spike timing-dependent plasticity on the synchronisation in a random Hodgkin-Huxley neuronal network
在本文中，我们研究了在一个网络的霍奇金-赫胥黎神经元同步的影响，尖峰时间依赖的可塑性。神经元可塑性是神经元及其网络暂时或永久改变其生化、生理和形态特征以适应环境的灵活特性。关于可塑性，我们考虑赫布规则，特别是尖峰时间依赖可塑性（STDP），而对于网络，我们认为连接是随机分布的。我们根据输入水平和连接的概率来分析同步和去同步。此外，我们验证了同步的过渡取决于神经网络的结构，和外部扰动水平。
2015-03-07 nlin.CD q-bio.NC
A Wavelet Analysis of Transient Spike Trains of Hodgkin-Huxley Neurons
用连续小波变换和离散小波变换分析了由单个Hodgkin-Huxley（HH）神经元产生的由$M$（= 1 - 5）个脉冲组成的瞬态锋电位序列。我们研究了尖峰脉冲的脉冲间间隔（ISI）的变化和噪声对能量分布和小波熵的影响，这些能量分布和小波熵用小波变换展开系数表示。WT得到的结果进行了讨论与那些通过傅立叶变换得到的。
2001-11-02 cond-mat.dis-nn q-bio.NC
Noise-induced interspike interval correlations and spike train regularization in spike-triggered adapting neurons
神经元中的尖峰产生产生时间点过程，其统计由内在现象和待编码的外部传入输入支配。特别是，尖峰诱发的适应电流支持一个缓慢的时间过程，条件尖峰概率在目前的时间根据过去的活动。在这项工作中，我们研究的统计数据，在这样的非更新脉冲序列，神经元模型，再现不同的尖峰模式在一个小的适应情况下产生的尖峰间期的相关性。我们发现，当神经元以特定的放电率放电时，相关性会更强，这是由适应过程定义的。当设置在亚阈值状态时，神经元可以维持该特定的放电速率，并且因此通过噪声诱导相关性。鉴于，在这种制度下，interspike间隔是负相关的任何滞后，这种效果令人惊讶地意味着减少在有限的噪声强度的尖峰计数统计的变化。
2016-10-28 cond-mat.dis-nn physics.bio-ph q-bio.NC
Asynchronous response of coupled pacemaker neurons
我们研究了一个网络模型的两个电导为基础的起搏神经元的不同的自然频率，加上相互激励或抑制，并接受共享的随机抑制性突触输入。网络可以针对强相互耦合对尖峰进行锁相。但是，共享输入可以通过选择性地消除滞后尖峰或根据它们的分离时间窗口相对于超前尖峰调制其定时来对锁定尖峰对进行解扰。这种同步性的丧失也在接收共享输入的稀疏耦合异质尖峰神经元的大型网络中发现。
2009-02-03 nlin.CD q-bio.NC
A quantitative comparison between spike-train responses of the Hodgkin-Huxley and integrate-and-fire neurons
计算并比较了单个Hodgkin-Huxley（HH）和整合-激发（IF）神经元在有和没有不应期时的尖峰脉冲串反应。假设HH和IF神经元通过兴奋性和抑制性突触耦合接收具有恒定峰间间隔（ISI）和由Gamma分布给出的随机ISI的尖峰序列输入：对于这两种耦合，HH神经元可以激发，而IF神经元只能用于兴奋性耦合。结果表明，IF神经元对恒定ISI输入的反应强烈依赖于不应期和突触强度，并且其反应与HH神经元的反应相当不同。HH和IF神经元的变异性不仅取决于随机输入的抖动，而且还取决于它们的平均值和突触强度。即使对于兴奋性输入，I型IF神经元也仅在有限的参数范围内可以很好地替代II型HH神经元
1999-10-05 cond-mat.dis-nn q-bio.NC
Spike-Train Responses of a Pair of Hodgkin-Huxley Neurons with Time-Delayed Couplings
对一对由周期性兴奋性-兴奋性时滞耦合的Hodgkin-Huxley（HH）神经元的棘波-串反应进行了模型计算。耦合的，可兴奋的HH神经元被假定为接收两种类型的尖峰序列输入：瞬态输入组成的$M$脉冲为有限的持续时间（$M$：整数）和连续输入与恒定的峰间期（ISI）。输出ISI的分布$T_{\rm o}$显示出丰富的变化，取决于耦合强度和时间延迟。的输出ISI的瞬态输入和顺序输入的依赖性之间的比较。
2000-12-04 cond-mat.dis-nn q-bio.NC
Clustering based method for finding spikes in insect neurons
在大多数细胞内记录中，尖峰可以很容易地被检测到。然而，在一些实验准备中，由于记录的神经元的单极形态或其他特征，从胞体记录的尖峰的大小可以小得多。实验设置和记录质量也会影响观察到的尖峰幅度。果蝇或蚊子触角叶投射神经元胞体的全细胞膜片钳记录可以显示幅度小至2 mV的尖峰。此外，观察到的尖峰通常依赖于相对较大的去极化，这使得标准的基于阈值的方法难以将它们与信号中存在的噪声或尖锐的EPSP区分开。对于这种神经元记录的尖峰检测，我们提出了一种基于聚类的算法，该算法将对应于动作电位的峰与对应于噪声的峰分开。该方法首先根据峰的锐度选择候选峰，然后对每个峰提取特征向量。三维特征向量包含峰值电压的绝对值、尖峰的高度和尖峰期间获得的二阶导数最小值的幅度。在大多数记录中，这个3D空间揭示了两个自然簇，将噪声峰与真实的动作电位分开。算法的一些参数可以由用户选择性地改变以改善检测，这在默认参数不能很好地工作的少数记录中很方便。总之，该算法有利于准确的尖峰检测，使无脊椎动物神经元记录的膜片钳数据的解释和分析。该算法是作为一个免费提供的开源工具实现的。
2021-11-22 q-bio.NC q-bio.QM
Using spike train distances to identify the most discriminative neuronal subpopulation
背景：多个神经元的棘波序列可以根据总和群体（SP）或标记线（LL）假设进行分析。对外部刺激的反应是由神经元群体作为一个整体产生的，或者单个神经元具有自己的编码能力。针对群体上的单个汇集的尖峰序列或针对每个神经元单独估计的SPIKE距离可以用于量化这些响应。新方法：对于SP的情况下，我们比较三种算法，搜索最具歧视性的亚群在所有的刺激对。对于LL的情况下，我们引入了一种新的算法，结合神经元，单独分离不同的刺激对最好的。结果：SP的最佳方法是在所有可能的亚群上进行强力搜索。但是，它只适用于小群体。对于更现实的设置，模拟退火明显优于梯度算法，仅增加有限的计算负荷。我们的新LL方法可以处理非常复杂的编码场景，尽管它的计算容易。与现有方法的比较：脉冲串距离已被扩展到SP和LL编码之间的神经种群插值分析。这包括参数化区分不同神经元中被激发的尖峰的重要性。然而，这些方法只考虑整个人口。对亚群的明确关注使我们的算法是互补的。结论：神经群体的编码可能性是广泛的。SP和LL情况是我们的算法提供正确识别结果的两个极端。
2018-09-14 physics.data-an q-bio.NC
A novel method for determining the phase-response curves of neurons based on minimizing spike-time prediction error
有规律的放电神经元可以看作是振荡器。相位响应曲线（PRC）描述了这些神经元将如何对小的兴奋性扰动做出反应。PRC的知识很重要，因为它与神经元的兴奋性类型及其在网络中同步的能力有关。在这项工作中，我们提出了一种新的方法来估计PRC从实验数据。我们假设连续的噪声信号可以离散成独立的扰动在均匀间隔的相位和预测下一个尖峰基于这些独立的扰动。在每个离散化相位处产生的预测下一个尖峰与实际下一个尖峰时间之间的差被用作用于优化PRC的误差信号。我们测试我们的方法对模型数据和实验获得的数据，发现新开发的方法是强大的和可靠的方法从实验数据中估计的PRCs。
2010-01-04 q-bio.NC q-bio.QM
Fast Inference of Interactions in Assemblies of Stochastic Integrate-and-Fire Neurons from Spike Recordings
我们提出了两个贝叶斯程序来推断的相互作用和外部电流的随机集成和消防神经元的组装从他们的尖峰活动的记录。第一个过程是基于精确计算的最有可能的时间过程的神经元膜电位的条件下记录的尖峰，是精确的消失的噪声方差和瞬时突触整合。第二个过程考虑到周围的电位的最有可能的时间过程中的波动的存在，并可以处理适度的噪声水平。这两个过程的运行时间与尖峰的数量S乘以神经元的平方数N成正比。该算法的验证与已知的耦合和电流的网络所产生的合成数据。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至40个神经元和65，000至170，000个尖峰）。我们研究了膜泄漏时间上的相互作用的依赖关系，与经典的互相关分析的差异和相似之处进行了讨论。
2011-02-25 q-bio.NC stat.ML
Responses of Ensemble Neurons to Spike-Train Signals with Independent Noises: Stochastic Resonance and Spike Variability
用数值方法研究了$N$（=1，10，和100）Hodgkin-Huxley（HH）神经元对相干脉冲串输入的响应，其中相干脉冲串输入是独立的Poisson脉冲串（ST）噪声和高斯白噪声。研究了三个相互关联的问题：（1）两种噪声影响之间的差异和相似性，（2）神经元系综的大小对信噪比（SNR）的影响，以及（3）大的放电变异性与相当好的信息传输的兼容性。(1)ST噪声的随机共振（SR）的性质被证明是相当不同的白噪声。当通过$SNR=10 {\rm log_{10}} [(A/X^α) {\rm exp}(-B/X)]$给出的表达式分析在我们的模拟中获得的亚阈值输入的SNR时，其中$X$表示噪声强度，$A$和$B$是常数，指标$α$对于ST噪声是$α=3$，对于白噪声是$α=2$：前者不同于在许多非线性系统中实现的$α=2$的常规值。ST噪声对SR的作用不如白噪声有效。(2)通过增加集合神经元的大小$N$，可以大大提高由SNR评估的传输保真度。在一个大规模的神经元集成，SNR的阈上输入不显着降低弱噪声负责SR的阈下输入。(3)亚阈值输入的输出尖峰的尖峰间期（ISI）具有较大的变异性（$c_{v} \siml 0.8$），这与在皮层神经元中观察到的数据相当。尽管个体神经元的激发是可变的，但是在集合上求和的输出信号可以借助于SR和池化效应来携带具有相当好的SNR的信息。
2002-02-15 cond-mat.dis-nn q-bio.NC
Neuronal Spike Trains as Functional-Analytic Distributions: Representation, Analysis, and Significance
University of California San Diego（加州大学圣地亚哥分校）
本文提出基于Schwartz分布理论的统一框架，用于分析神经脉冲序列，提供精确的运算微积分方法，实现无需离散化、速率近似或平滑的闭式分析。
2026-04-14 math.FA q-bio.NC
SPySort: Neuronal Spike Sorting with Python
多电极阵列细胞外记录是当代神经科学的基本工具之一。这些记录主要用于监测许多单个神经元的活动，被理解为发射动作电位的序列。但是细胞外记录产生的原始数据通常是几个神经元活动的混合物。为了得到单个贡献神经元的活动，需要一个称为尖峰排序的预处理步骤。我们在这里提出了一个经过良好测试的尖峰排序过程的纯Python实现。后者是以模块化的方式设计的，以便从交互式排序（例如IPython）顺利过渡到自动排序。令人惊讶的是-或者说是可悲的是，这取决于一个人的观点-将我们现在15岁的过程重新编码到Python中是主要的方法改进之际。
2014-12-19 cs.CE q-bio.NC
Formation of feedforward networks and frequency synchrony by spike-timing-dependent plasticity
具有非对称学习窗口的尖峰时间依赖可塑性（STDP）通常存在于大脑中，并且对于各种基于尖峰的计算（例如输入滤波和联想记忆）非常有用。STDP的一个自然结果是因果关系的建立，在这个意义上，神经元在特定的突触前神经元被激发之后滞后地学习激发。STDP对同步性的影响是难以捉摸的，因为尖峰同步性意味着不同神经元的单一尖峰事件，而不是神经元之间的因果延迟关系。我们探讨如何同步可以促进STDP在振荡器网络与起搏器。我们表明，STDP与非对称学习窗口导致自组织的前馈网络从起搏器。因此，STDP极大地促进了频率同步。即使由于突触可塑性而减少了尖峰时间的差异，有限的时间滞后仍然存在，使得不能实现完美的尖峰同步。与传统的基于耦合神经元相互作用的大规模同步机制不同，这里发现的同步途径是上游神经元对下游神经元的奴役。这种前馈同步的促进不会发生STDP与对称的学习窗口。
2012-07-12 cond-mat.dis-nn q-bio.NC
Stochastic Resonance of Ensemble Neurons for Transient Spike Trains: A Wavelet Analysis
本文利用小波变换（WT）分析了$N$（=1，10，100和500）Hodgkin-Huxley（HH）神经元系综对具有独立高斯噪声的{ \it瞬态} $M$ -脉冲锋电位序列（$M=1-3$）的响应。输入和输出信号之间的互相关用WT展开系数表示。通过使用WT内的{ \it去噪}方法来评估信噪比（SNR），通过该方法从输出信号中提取噪声贡献。虽然一个单一的（N=1）的神经元的响应亚阈值瞬态信号与噪声是相当不可靠的，传输保真度评估的互相关和SNR被证明是大大提高通过增加值的$N$：一个人口的神经元在随机共振（SR）瞬态尖峰输入中发挥不可或缺的作用。它还表明，在一个大规模的合奏，超阈值瞬态尖峰的传输保真度是不显着下降的弱噪声，这是负责SR亚阈值输入。
2001-11-29 cond-mat.dis-nn q-bio.NC
