High-Fidelity Coding with Correlated Neurons
在大脑中广泛观察到神经元活动的正相关性。以前的研究表明,这些相关性是有害的人口代码的保真度或最好的边缘相比,独立的代码。在这里,我们表明,正相关可以提高编码性能的天文因素。具体地,鉴别误差的概率可以被抑制许多数量级。同样,编码的刺激数量-容量-可以通过类似的大因素来增强。这些效应不需要不切实际的相关值,并且可以发生在具有几十个神经元的群体中。我们进一步表明,这两种影响受益于异质性常见的人口活动。错误抑制和容量增强依赖于相关模式。在完美编码的限制,这种模式导致一个“锁定”的响应概率,消除了变异的子空间相关的刺激歧视。我们讨论了这种模式的性质,并建议实验测试,以确定它。
2013-07-19 q-bio.NC
Modeling the correlated activity of neural populations: A review
神经编码和计算的原理本质上是集体的,通常涉及大量具有高度相关活动的相互作用的神经元。虽然神经功能理论早已认识到集体效应在神经元群体中的重要性,但直到过去20年,才有可能使用先进的实验技术同时记录许多细胞的单个尖峰分辨率,并将这些相关性与功能和行为联系起来。这篇评论的重点是最近开发的建模和推理方法来描述相关的尖峰活动的神经元群体。我们涵盖了各种模型,描述神经元对之间的相关性,以及更大的群体之间,同步或延迟的时间,有或没有明确的影响的刺激,包括或不包括潜在的变量。我们讨论了每种方法的优点和缺点,以及与其应用程序记录越来越大的人口相关的计算挑战。
2018-06-21 q-bio.NC
Weak pairwise correlations imply strongly correlated network states in a neural population
生物网络有如此多的可能状态,以至于不可能进行详尽的采样。因此,成功的分析依赖于简化假设,但许多系统的实验表明,大组元素之间复杂的高阶相互作用起着重要作用。在脊椎动物的视网膜中,我们发现神经元对之间的弱相关性与十个或更多神经元的反应中的强烈集体行为共存。令人惊讶的是,我们发现,这种集体行为是定量描述的模型,捕捉观察到的成对相关性,但假设没有更高阶的相互作用。这些最大熵模型等价于伊辛模型,并预测较大的网络完全由相关效应主导。这表明神经代码具有关联或纠错特性,我们为这种行为提供了初步证据。作为这些想法的一般性的第一个测试,我们表明,从培养的皮层神经元网络得到了类似的结果。
2005-12-06 q-bio.NC q-bio.QM
Finite Volume Model to Study Calcium Diffusion in Neuron Involving JRYR, JSERCA and JLEAK
钙动力学是神经元细胞内电(动作电位)和化学(神经递质)信号传导的重要机制。神经元中钙动力学的数学模型导致反应扩散方程,该方程涉及扩散系数、游离钙、结合钙、缓冲液和结合缓冲液等参数。在这里,受体,serca和泄漏等参数也被纳入模型。根据问题的生物物理条件,确定了适当的边界条件。采用有限体积法求解。利用MATLAB7.11编制了计算钙离子浓度分布的计算机程序,并研究了各参数之间的关系。
2013-01-06 q-bio.CB 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 Geometry of Information Coding in Correlated Neural Populations
大脑中的神经元在它们的集体活动中代表信息。这种神经元群体代码的保真度取决于一个神经元的响应的可变性是否以及如何与其他神经元共享。二十年的研究已经调查了这些噪声相关性对神经编码特性的影响。我们提供了一个关于这个主题的理论发展的概述。使用简单的,定性的和一般的参数,我们讨论,分类,并与各种已发表的结果。我们强调噪声相关的精细结构的相关性,我们提出了一个新的方法来解决这个问题。在整个过程中,我们强调噪声相关性如何影响神经代码的几何图像。
2021-02-01 q-bio.NC
Macroscopic dynamics of quadratic integrate-and-fire neurons subject to correlated noise
School of Physics and Astronomy, Yunnan University(云南大学物理与天文学院)
研究揭示了相关噪声对神经元群体活动的抑制作用及网络亚稳态特性,为复杂随机网络动力学提供了理论支持。
2026-01-15 cond-mat.stat-mech nlin.AO q-bio.NC
Functional Cliques in Developmentally Correlated Neural Networks
我们考虑一个稀疏的随机网络的兴奋性泄漏整合和消防神经元与短期突触抑制。此外,为了模拟大脑回路在其发展的第一阶段的动力学,我们为每个神经元引入了入度和出度之间的相关性以及兴奋性和相应的总度之间的相关性,我们分析了单个神经元刺激和删除对网络集体动力学的影响。我们发现了一小群能够控制甚至沉默网络突发活动的神经元的存在。这些神经元形成了一个功能集团,因为只有它们以精确的顺序并在特定的时间窗口内激活才能引发群体爆发。
2017-03-12 cond-mat.dis-nn nlin.AO q-bio.NC
Learn to integrate parts for whole through correlated neural variability
Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University(复旦大学生脑启发智能科学技术研究院);Key Laboratory of Computational Neuroscience and Brain-Inspired Intelligence (Fudan University), Ministry of Education(教育部计算神经科学与大脑启发智能重点实验室(复旦大学));MOE Frontiers Center for Brain Science, Fudan University(复旦大学教育部前沿脑科学中心);Zhangjiang Fudan International Innovation Center(张江复旦国际创新中心);School of Mathematical Sciences, Fudan University(复旦大学数学科学学院);Shanghai Center for Mathematical Sciences(上海数学中心);Shanghai Key Laboratory for Contemporary Applied Mathematics(上海当代应用数学重点实验室);Key Laboratory of Mathematics for Nonlinear Science(非线性科学数学重点实验室)
本文提出一种统计力学理论,将知觉信息编码于感觉神经元的相关变异性中,并转化为下游放电率,通过脉冲神经网络实现高保真方向恢复和更优图像分类,挑战了神经协方差的次要地位。
2024-01-01 cs.NE physics.bio-ph q-bio.NC
The Effect of Nonstationarity on Models Inferred from Neural Data
受到共同的非平稳输入的神经元可以表现出相关的放电行为。神经脉冲序列的统计相关性也是神经元之间相互作用的结果。在这里,我们展示了这两种情况是可以区分的,用机器学习技术,只要数据足够丰富。为了做到这一点,我们研究的问题推断动力伊辛模型,固定或非固定的,从现有的数据。我们将推理过程应用于两个数据集:一个来自蝾螈视网膜神经节细胞,另一个来自现实的计算皮层网络模型。我们发现,蝾螈视网膜神经元的协同活动的许多方面可以简单地追溯到外部输入。一个模型的非相互作用的神经元受到一个非平稳的外部场优于一个模型与固定的输入与神经元之间的耦合,即使考虑到模型参数的数量的差异。当耦合被添加到非平稳模型时,对于视网膜数据,几乎没有获得:推断的耦合通常不显著。同样,同时发放尖峰的神经元集合的大小分布和尖峰模式的频率作为它们的秩的函数(Zipf图)可以通过具有时间依赖性外部输入的独立神经元模型很好地解释,并且向这样的模型添加连接并不能提供显著的改进。对于皮层模型数据,鲁棒耦合,以及相关的真实连接,可以推断使用非平稳模型。向该模型添加连接略微改善了与同步尖峰概率数据的一致性,但几乎不影响Zipf图。
2013-01-31 q-bio.NC q-bio.QM
Escape time in bistable neuronal populations driven by colored synaptic noise
针对相关突触噪声驱动的双稳态神经元群,本文提出噪声与群体相关时间相等时平均逃逸时间的精确非微扰结果,弥补了既有理论依赖时间尺度分离的不足。
2024-04-08 q-bio.NC
Dendritic Integration Regulation and Neuronal Arithmetic Implemented in a Proton-Coupled Neuron Transistor
神经元是大脑中最重要的组成部分,神经元的信息处理涉及到将输入突触脉冲序列转换为相应的输出脉冲序列。通过单个离子/电子耦合器件实现神经元的硬件实现对于增强我们对大脑的理解以及解决感觉处理和复杂识别任务具有重要意义。在这里,我们提供了一个原理验证的人工神经元,具有多个突触前输入和一个基于质子耦合氧化物的双电层晶体管的调制终端。树突整合的调节是通过调节施加在调控端的电压来实现的。此外,还模拟了时间相关编码和频率编码方案中的神经元增益控制(算术)。我们的研究结果为构建脑启发的神经形态系统提供了新的概念方法。
2015-06-12 q-bio.NC
Echoes in correlated neural systems
相关性在现代物理学中用于解释微观和宏观现象,如高温超导体和超冷原子中的分数量子霍尔效应和莫特绝缘体状态。同时探测完整大脑中的神经元揭示了它们活动之间的相关性,这是研究大脑中信息处理的重要措施,也影响了神经活动的宏观信号,如脑电图(EEG)。尖峰神经元网络与大多数物理系统不同:元素之间的相互作用是定向的,时间延迟的,由短脉冲介导,每个神经元接收来自数千个神经元的事件。甚至网络的定态也不能用平衡统计力学来描述。在这里,我们开发了一个定量的理论在有限大小的随机网络的尖峰神经元的成对相关性。我们推导出明确的人口平均互相关函数的解析表达式。我们的理论解释了为什么直观的平均场描述失败,单个动作电位的回声如何导致抑制相对于兴奋的明显滞后,以及网络的大小如何在保持其动态状态的同时进行缩放。最后,我们从时间演化传播子的谱中导出了一个新的集体振荡出现的判据。
2013-02-19 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Locking of correlated neural activity to ongoing oscillations
在皮层活动的介观信号中普遍观察到群体范围的振荡。在这些网络状态中,全局振荡周期调节神经元的放电倾向。神经元的同步激活被假设为大脑中信号处理信息的单独通道。因此,一个突出的问题是,振荡是否以及如何与尖峰同步相互作用,以及这些通道在多大程度上可以被认为是分开的。实验确实表明,相关尖峰与静态放电率共同调制,并且也紧紧锁定在β振荡的相位上。虽然在前馈网络中相关性对平均速率的依赖性是很好理解的,但仍然不清楚相关性为什么以及通过什么机制紧密锁定到振荡周期。我们在这里证明,这种相关的激活对神经元定性地解释了随机驱动的随机网络。我们确定的协方差依赖于驱动周期性刺激的机制。平均场理论结合线性响应理论给出了二元递归随机网络的循环平稳平均活动和两两零时滞协方差的封闭表达式。两种不同的机制导致时变协方差:单个神经元敏感性的调制(通过外部输入和网络反馈)和单个单元活动的时变方差。对于某些参数,有效抑制的经常性反馈导致共振协方差,即使平均活动显示非共振行为。我们的分析结果开放的问题,时间调制的同步活动的定量分析。
2017-07-03 cond-mat.dis-nn q-bio.NC
A correlation game for unsupervised learning yields computational interpretations of Hebbian excitation, anti-Hebbian inhibition, and synapse elimination
从实验研究中,我们对生物突触的可塑性有了很多了解。赫布可塑性由突触前和突触后神经元的相关活动驱动。汇聚到同一个神经元上的突触通常表现得好像它们在竞争一个固定的资源;一些在竞争中幸存下来,而另一些则被淘汰。为了提供这些方面的突触可塑性的计算解释,我们制定无监督学习作为一个零和游戏之间的赫布兴奋和反赫布抑制的神经网络模型。这个游戏形式化了一种直觉,即赫布激励试图最大化神经元与其输入的相关性,而反赫布抑制试图使神经元彼此去相关。我们还包括一个模型的突触竞争,这使得一个神经元,以消除所有的连接,除了那些从它的最强相关的输入。通过实证研究,我们表明,这有利于学习的感官功能,类似的部分对象。
2017-04-03 cs.NE q-bio.NC
Synchronisation, binding and the role of correlated firing in fast information transmission
视觉系统中不同神经元动作电位之间的同步是否在解决绑定问题中发挥了重要作用?绑定问题可以在更广泛的框架内定量研究的信息包含在神经尖峰列车的一些外部相关,这在这种情况下是在视觉领域的对象配置。我们通过使用一种数学形式主义来解决这个问题,该数学形式主义量化了在短时间尺度内相关发射的影响。使用幂级数展开,神经元集合传达的关于外部刺激的互信息被分解为放电率和相关分量。这导致了一个新的量化程序直接适用于同时多个神经元记录。它在理论上限制了神经编码,表明相关性对快速信息处理的贡献不如放电率大。通过使用这种方法来研究对理想观察者能够从同步代码中提取的信息量的限制,可以确定可用的信息量是否足以支持诸如特征绑定的计算过程。
2000-06-30 physics.bio-ph q-bio.NC
Introduction to dynamical mean-field theory of randomly connected neural networks with bidirectionally correlated couplings
School of Physics, Sun Yat-sen University(中山大学物理学院);Guangdong Provincial Key Laboratory of Magnetoelectric Physics and Devices, Sun Yat-sen University(中山大学广东省磁电物理与器件重点实验室)
本文以具有双向关联耦合的随机全连接神经网络为例,教学式介绍动力学平均场理论,并引入动力学腔方法推导相同结果,同时给出数值求解方案。
2023-10-07 cond-mat.dis-nn cond-mat.stat-mech cs.LG
Frequency selectivity of neural circuits with heterogeneous transmission delays
神经元通过轴突和树突连接到其他神经元,轴突和树突以有限的速度传导信号,导致神经元的放电与所得脉冲到达其他神经元之间的延迟。由于延迟极大地复杂化了模型的分析处理和解释,它们通常被忽略或被认为是统一的,导致缺乏对神经系统中延迟影响的理解。本文表明,异质传输延迟使小群体的神经元选择性地响应不同的频谱输入。通过研究接收相关时移输入的单个积分和激发神经元,显示了频率响应如何与传入连接的强度和延迟时间相关联。结果表明,加入延迟改变了神经网络的功能,并改变了神经连接和突触强度的影响。
2020-09-19 q-bio.NC
The A-current and Type I / Type II transition determine collective spiking from common input
在整个神经系统中,对神经元对和神经元组之间的相关或同步放电的机制和影响正在进行深入的研究。一个普遍存在的电路特征可以引起这种相关性,它包括对细胞对和细胞群的重叠或共同输入,导致共同的脉冲序列响应。在这里,我们使用计算工具来研究如何通过受体细胞的生理学来调节共同输入电流到共同尖峰输出的转移。我们专注于一个关键的电导- gA,为A型钾电流-驱动神经元之间的“II型”兴奋性(低gA),和“I型”兴奋性(高gA)。不管gA如何,细胞将共同的输入波动转化为几乎同时发放尖峰的趋势。然而,这个过程是更明显的低gA值,如先前预测的减少“相”模型。因此,对于给定水平的共同输入,II型神经元产生在短时间尺度上相对更相关的尖峰。随着时间的推移,这种趋势发生逆转,II型神经元产生的相关性相对较低的脉冲序列。这是因为这些细胞的增加趋势,同时尖峰是平衡的相反趋势,在更大的时间滞后。我们证明了一个新的神经信号处理的含义:具有长时间常数的下游细胞选择性地驱动I型细胞群体上游,和II型细胞群体的时间常数短。我们的研究结果是通过高通量的数值模拟建立的,并通过细胞的过滤特性和非线性动力学解释。
2011-06-04 q-bio.NC
EEGs disclose significant brain activity correlated with synaptic fickleness
在这里,我们研究了一个网络的突触关系混合兴奋性和抑制性神经元节点,显示振荡非常类似于脑电图(EEG)的脑电波,并确定突然的变化所带来的快速突触介导。因此,我们得出结论,相应的变化,脑电序列肯定来自于神经元群体的活动,由于突触的限制放缓。后者恰好在兴奋和抑制之间产生不平衡,导致兴奋活动的快速爆炸性增加,这被证明是动态心理阶段之间的(一阶)过渡。此外,在该相变附近,我们的模型系统表现出与快速振荡共存的所谓的\textit{delta-theta domain}中的强分量的波。这些发现为在实际大脑中观察到的\textit{delta-gamma}和\textit{theta-gamma modulation}提供了一个简单的解释,并为深入理解大量明显不稳定的、容易获得的大脑数据开辟了一条严肃而通用的道路。
2021-02-16 cond-mat.dis-nn q-bio.NC
The correlation structure of local cortical networks intrinsically results from recurrent dynamics
长期以来,神经元对在短时间间隔内的动作电位的共同出现是已知的。这样的同步事件可以出现时间锁定到动物的行为,并且理论上的考虑也主张同步的功能作用。早期的理论工作试图解释神经元由于共享输入而传递共同波动的相关活动。然而,这高估了相关性。最近,皮层网络的经常性连接被证明是观察到的低基线相关性的原因。有两种不同的解释:一种认为,兴奋性和抑制性群体活动密切关注网络的外部输入,因此它们对一对细胞的影响相互抵消。另一种解释依赖于负的经常性反馈来抑制种群活动的波动,相当于小的相关性。在生物神经元网络中,人们期望外部输入和重现两者都影响相关的活动。目前的工作扩展了相关性的理论框架,包括两个贡献,并解释了它们的质的差异。此外,研究表明,快速跟踪和经常性反馈的论点是不等价的,只有后者正确预测的细胞类型的具体相关性。
2013-09-13 q-bio.NC
Autonomous learning of nonlocal stochastic neuron dynamics
针对生物学合理的有色噪声驱动下神经元动力学PDF方程需闭合近似的问题,提出改进非局部大涡扩散率闭合和稀疏回归数据驱动闭合两种方法,在两类神经元模型上验证并计算了相关信息论量。
2021-09-07 cs.NA math.NA q-bio.NC
Local dendritic balance enables learning of efficient representations in networks of spiking neurons
神经网络如何通过局部可塑性机制学习有效地表示复杂和高维的输入?表示学习的经典模型假设输入权重是通过成对的Hebbian可塑性学习的。在这里,我们表明,成对的Hebbian可塑性只适用于神经动力学和输入统计不切实际的要求。为了克服这些局限性,我们从第一性原理推导出一个基于电压依赖性突触可塑性规则的学习方案。在这里,抑制学习局部平衡个体树突隔室中的兴奋性输入,从而可以调节兴奋性突触可塑性以学习有效的表征。我们在模拟中证明,这种学习方案的工作鲁棒性,即使是复杂的,高维的和相关的输入,并与抑制传输延迟,其中赫布式的可塑性失败。我们的研究结果得出了树突兴奋抑制平衡和电压依赖性突触可塑性之间的直接联系,在体内观察,并建议,这两者都是至关重要的表征学习。
2020-10-23 q-bio.NC
Stochasticity in Ca$^{2+}$ increase in spines enables robust and sensitive information coding
树突棘是一种非常小的神经元结构(约0.1 μm $^3$),用于处理输入的时序信息。为什么脊椎这么小?在这里,我们提供了功能的原因;脊柱的大小是最佳的信息编码。脊码通过Ca $^{2+}$的概率增加输入定时信息,这使得鲁棒和敏感的信息编码成为可能。我们建立了一个随机模拟模型的输入时间依赖性钙$^{2+}$增加小脑浦肯野细胞的脊椎。脊柱使用Ca $^{2+}$的概率编码增加,而不是幅度编码,用于通过利用脊柱体积中的少量分子进行随机促进的输入定时检测,其中每体积的信息似乎是最佳的。与细胞体积中Ca $^{2+}$增加的幅度编码相比,脊柱体积中Ca $^{2+}$增加的概率编码对输入波动更稳健,对输入数字更敏感。因此,随机性是神经元稳健而敏感地编码信息的一种策略。
2014-02-25 q-bio.MN q-bio.NC
A comparative study of different integrate-and-fire neurons: spontaneous activity, dynamical response, and stimulus-induced correlation
随机积分激发(IF)神经元模型在计算神经科学中有着广泛的应用。在这里,我们提出了白噪声驱动的完美,泄漏,二次IF模型的结果,专注于频谱统计(功率谱,交叉谱,相干函数)在不同的动力学制度(噪声诱导和紧张性发射制度与低或中等噪声)。我们通过调整参数使模型具有可比性,从而使所有模型的平均值和峰间间期的变异系数匹配。我们发现,在这些条件下,白噪声刺激下的功率谱往往是非常相似的,而响应特性,由一小部分的输入噪声和输出脉冲序列之间的交叉谱描述,可以有很大的不同。我们还研究了两个同类神经元(例如两个泄漏IF神经元)的脉冲序列如何相关,如果它们共享一个共同的噪声输入。我们发现,根据动力学制度,无论是两个二次IF模型或两个泄漏的IF更强的相关性。我们的研究结果表明,当选择简单的IF模型进行网络模拟时,模型的细节对输出的相关性和规律性有很大的影响。
2009-12-11 nlin.AO q-bio.NC
On 1/f^alpha power laws originating from linear neuronal cable theory: power spectral densities of the soma potential, transmembrane current and single-neuron contribution to the EEG
在神经记录中通常观察到幂律,即功率谱密度(PSD)在大频率f下表现出1/f^alpha行为。噪声谱中的幂律不仅在神经膜电位和膜电流的显微记录中观察到,而且在宏观EEG(脑电图)记录中也观察到。虽然复杂的网络行为已被认为是在这种现象的根源,我们在这里展示了一个可能的起源,这种幂律的生物物理特性的单神经元所描述的标准电缆方程。利用所谓的球和棒神经元模型的分析易处理性,我们推导出一组神经元活动的措施的PSD传递函数的一般表达式:体细胞膜电流,电流偶极矩(对应于单神经元EEG贡献),和体细胞膜电位。这些PSD传递函数将相应测量的PSD与噪声输入电流的PSD相关联。当输入电流均匀分布在神经元膜上时,我们发现所有PSD传递函数都表示渐近高频1/f^alpha幂律。相应的幂律指数被解析地确定为:对于胞体膜电流,α_inf^I = 1/2;对于电流-偶极矩,α_inf^p = 3/2;对于胞体膜电位,α_inf^V = 2。这些幂律指数被发现为任意组合的不相关和相关的噪声输入电流(只要树突和胞体接收一些不相关的输入电流)。与现有数据的比较表明,在实验中观察到的表观幂律可能源于不相关的电流源,大概是内在的离子通道,这是均匀分布在整个神经膜和自己的表现…
2013-12-20 physics.bio-ph q-bio.NC
A unified view on weakly correlated recurrent networks
当代理论神经科学中用于研究协方差特定性质的神经元模型的多样性提出了这些模型如何相互关联的问题。特别是,由于抽象模型,很难区分通用属性和特殊属性。在这里,我们提出了一个统一的观点,成对协方差在经常性网络的不规则制度。我们考虑二进制神经元模型,泄漏积分和消防模型,霍克斯过程。我们表明,线性近似映射这些模型的两类线性速率模型,包括Ornstein-Uhlenbeck过程作为一个特例。这些类别在速率动态中的加性噪声的位置上不同,对于尖峰模型,加性噪声在输出侧上,对于二进制模型,加性噪声在输入侧上。这两个类都允许协方差的封闭形式的解决方案。对于输出噪声,它分为回波项和相关输入项。统一的框架使我们能够在模型之间传输结果。例如,我们推广的二进制模型和霍克斯过程的存在下的传导延迟和简化推导建立的结果。我们的方法是适用于一般的网络结构和人口平均值。导出的平均值是精确的固定出度的网络架构和近似固定的度。我们演示了如何考虑到波动的线性化过程中增加了有效的理论的准确性,我们解释了类相关的协方差之间的差异,在时间和频率域。最后,我们证明了具有延迟抑制反馈的积分-激发模型网络中出现的振荡不稳定性是一个模型不变的功能:复频率平面中极点的相同结构决定了种群功率谱。
2013-09-13 q-bio.NC
Joint Learning Neuronal Skeleton and Brain Circuit Topology with Permutation Invariant Encoders for Neuron Classification
Wuhan University(武汉大学)
本文提出NeuNet框架,通过结合神经元骨架形态与神经回路拓扑信息实现自动化神经元分类,并在人类大脑皮层和果蝇大脑的VEM图像数据集上分别取得0.9169和0.9363的准确率。
2024-03-26 cs.CV eess.IV q-bio.NC
Role of assortativity in predicting burst synchronization using echo state network
在这项研究中,我们使用基于水库计算的回声状态网络(ESN)来预测集体突发同步的神经元。具体来说,我们调查的ESN的能力,在预测的鲁科夫神经元的合奏放在一个无标度网络的突发同步。我们已经证明,有限数量的节点动力学作为输入的机器可以捕捉到真正的趋势,在这个网络中的突发同步。进一步,我们研究了度-度(正和负)相关网络的节点输入的适当选择。我们表明,对于一个discretative网络,选择不同的输入节点的基础上度在机器的预测没有显着的作用。然而,在假设网络的情况下,用低度节点的信息(即时间序列)训练机器在预测突发同步方面给出了更好的结果。最后,我们解释了在度相关网络中观察这种预测差异的潜在机制。
2021-10-13 nlin.CD q-bio.NC
The determining role of covariances in large networks of stochastic neurons
针对生物神经网络随机高维、建模困难的问题,研究基于连续时间马尔可夫链推导含期望与协方差的低维动力学系统,弥补平均场近似的不足,凸显高阶矩对随机神经元网络研究的重要性。
2023-11-20 math.DS physics.bio-ph q-bio.NC
An analytically tractable model of neural population activity in the presence of common input explains higher-order correlations and entropy
同时记录的神经元表现出相关性,其根本原因尚不清楚。在这里,我们使用一群阈值神经元接收相关的输入来模拟神经元群体记录。我们分析表明,二阶相关性的小变化可能导致较大的变化,在较高的相关性,这些高阶相关性有很强的影响人口的熵,稀疏性和统计热容量。值得注意的是,我们对这个简单模型的发现可以解释最近在神经元群体记录中观察到的一些令人惊讶的效应。
2010-09-17 cond-mat.dis-nn physics.data-an q-bio.NC