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
Dynamic modeling of spike count data with Conway-Maxwell Poisson variability
在大脑的许多区域,神经尖峰活动与外部世界的特征(如感官刺激或动物的运动)相关联。实验结果表明,神经活动的可变性随时间而变化,并且可能提供超出平均神经活动所提供的信息的关于外部世界的信息。为了灵活地跟踪随时间变化的神经响应特性,在这里,我们开发了一个动态模型与康威麦克斯韦泊松(CMP)的意见。CMP分布可以灵活地描述相对于泊松分布的欠分散和过分散的点火模式。在这里,我们跟踪CMP分布的参数,因为它们随时间变化。使用模拟,我们表明,正常的近似可以准确地跟踪动态的状态向量的中心和形状参数($λ$和$ν$)。然后,我们将我们的模型与来自初级视觉皮层和海马体中的“位置细胞”的神经元数据进行拟合。我们发现,这种方法优于以前的动态模型的基础上泊松分布。动态CMP模型提供了一个灵活的框架,用于跟踪随时间变化的非泊松计数数据,也可能有超出神经科学的应用。
2022-10-08 q-bio.NC stat.AP
Testing the Odds of Inherent versus Observed Over-dispersion in Neural Spike Counts Odds of Inherent versus Observed Over-dispersion
在神经元的感受野中重复呈现相同的视觉刺激可能在每次试验中引起不同的尖峰模式。概率方法对于理解这种差异在神经活动中的功能作用至关重要。在这种情况下,泊松过程是试验间变异性的最常见模型。对于泊松过程,尖峰计数的方差被约束为等于均值,而与测量的持续时间无关。许多研究表明,这种关系通常并不成立。具体而言,大多数电生理记录显示出“过度分散”效应:反应表现出比单独泊松过程预期的更多的试验间变异性。负二项分布模型是一个特别适合于量化过度分散的模型。这个模型被广泛研究和使用,但直到最近才被应用于神经科学。在本文中,我们解决三个主要问题。首先,我们描述了如何负二项分布提供了一个模型,易于占过度分散的尖峰计数。其次,我们通过提出一个统计检验来量化该模型对任何神经生理数据的重要性,该检验量化了过度分散可能是由于有限的重复次数(试验)造成的几率。我们将此测试应用于沿视觉通路的三个神经生理学测试。最后,我们比较了该模型的性能的泊松模型上的人口解码任务。我们表明,解码精度提高时占过色散,特别是在调谐过色散的假设下。
2016-11-14 q-bio.NC
A comparison of Euclidean metrics and their application in statistical inferences in the spike train space
对锋电位序列的统计分析和推断是神经编码研究的中心课题之一。了解给定脉冲序列数据的潜在分布和几何结构是非常有趣的。然而,一个根本的障碍是,所有的脉冲序列的空间是不是一个欧几里德空间,和非欧几里德度量已在文献中常用的特征的变化和模式的神经观察。在过去的几年里,两个类似于欧几里德的度量被独立地开发出来,用于测量脉冲序列空间中的距离。这些度量的重要益处在于,由于它们的欧几里德性质,脉冲序列空间将适合于嵌入欧几里德空间中。在本文中,我们系统地比较这两个度量的理论,性质和应用。由于其欧几里德属性,这些度量之一已被进一步用于定义汇总统计(即均值和方差)并在脉冲序列空间中进行统计推断。在这里,我们提供了等效的定义,使用其他指标,并表明可以进行一致的统计推断。然后,我们应用这两个推理框架中的神经编码问题的记录在膝状体神经节刺激不同的口味。结果发现,这两个框架取得了理想的结果,并提供了有用的新工具,在神经脉冲序列空间的统计推断。
2015-06-10 q-bio.NC
On the precision of neural computation with interaural time differences in the medial superior olive
传入的声音在耳蜗和听觉神经中编码成脉冲序列。在听觉通路的第三神经元处,左右两侧的脉冲序列在脑干核中被处理以产生声音定位信息。两种不同的定位编码机制,采用两个中心的低,高的声音频率在脑干。中心是上橄榄核,内侧和外侧。本文对声音定位神经回路中描述听觉编码所需的参数进行了分析估计。我们的模型脉冲序列是基于电生理记录。我们到达最佳估计神经元信号与理想的观察者使用的只是明显的差异。我们描述了尖峰定时抖动及其在脉冲序列处理中的作用。所有参数都附有对其值和变异性的详细估计。区间界定所有参数从较低和较高的值进行了讨论。
2020-07-01 q-bio.NC
Learning as filtering: implications for spike-based plasticity
计算神经科学中的大多数规范模型将学习任务描述为相对于一组参数的成本函数的优化。然而,作为优化的学习在学习过程中未能考虑到时变环境;并且由此产生的参数空间中的点估计不考虑不确定性。在这里,我们将学习定义为过滤,即,包括时间和参数不确定性的原则方法。我们推导出基于过滤的学习规则的尖峰神经元网络-突触过滤器-并显示其计算和生物相关性。对于计算相关性,我们表明,过滤结合贝叶斯回归提高性能相比,梯度学习规则的最佳学习率的权重估计。此外,基于过滤的规则优于基于梯度的规则,在模型不匹配的存在下,表示更好的泛化性能。突触过滤器的平均值的动态是一致的尖峰定时依赖的可塑性(STDP),而动态的方差作出新的预测尖峰定时依赖的变化EPSP的变异性。此外,突触过滤器解释了实验观察到的同性和异性突触可塑性之间的负相关性。
2020-08-07 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
Real-time closed-loop protocol to assess neural variability in temporal coding
该研究设计基于Hindmarsh-Rose模型的实时闭环协议,通过计算Victor-Purpura距离适应神经变异性,在两项验证实验中有效驱动神经动力学至期望状态,为神经编码研究提供了更优实验方法。
2026-08-27 cs.AI cs.NE cs.SY
Regulating the information in spikes: a useful bias
ETH Zurich(苏黎世联邦理工学院)
偏差/方差权衡是学习的基础:增加模型的复杂性可以提高其对训练数据的拟合,但可能会降低对未来样本的性能。然而,值得注意的是,人类大脑毫不费力地处理了各种复杂的模式识别任务。基于这些相互矛盾的观察,有人认为,有用的偏见形式的“一般机制的代表”必须硬连线到皮层(杰曼等)。这篇文章描述了一种鼓励合作学习的有用的偏见,这种偏见在生物学上是合理的,而且是严格合理的。
2012-10-17 cs.IT cs.LG math.IT
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
Signal Fluctuations and the Information Transmission Rates in Binary Communication Channels
在神经系统中,信息通过动作电位序列(尖峰序列)传递。MacKay和McCulloch提出,尖峰序列可以表示为来自信息源的比特序列。在此之前,我们研究了由尖峰信号进行的信息传输速率(ITR),它们的相关性和频率之间的关系。在这里,我们集中在尖峰波动如何影响ITR的问题。应用Shannon提出的信息论方法。信息源被建模为平稳随机过程。我们假设这样的源作为两个状态马尔可夫过程。作为尖峰序列波动的度量,我们考虑标准差SD,它实际上度量了尖峰在平均尖峰频率周围的平均波动。我们发现ITR和信号涨落关系的性质强烈地依赖于参数s,参数s是从无尖峰态到尖峰态的跃迁概率之和,反之亦然。结果表明,对于较小的s(s<1),商ITR/SD有一个最大值,并且根据转移概率可能趋于零。而对于足够大的s,1<s,ITR/SD对于每个s都与0分离。当我们用多项式近似代替马尔可夫熵公式中的香农熵项时,也观察到类似的行为。我们还表明,方差的ITR商的行为完全不同的方式。我们表明,对于大的过渡参数s的SD的信息传输速率将永远不会减少到0。具体地说,对于1<s<1.7,ITR将总是独立于形成这个s的跃迁概率,高于波动水平,即我们有SD<ITR。我们的结论是,在一个更嘈杂的环境中,要获得适当的可靠性和效率的传输,信息源具有更高的倾向,从无尖峰状态到尖峰状态,反之亦然。
2020-08-26 q-bio.NC q-bio.QM
An excitable electronic circuit as a sensory neuron model
一个电子电路装置,灵感来自神经元兴奋性的FitzHugh-Nagumo模型,构建并显示与生物感觉神经元的特性兼容的操作。电子的非线性动力学模型定量再现电路上的实验观察,包括在强直尖峰发作的霍普夫分岔。此外,我们已经实现了一个模拟噪声发生器作为一个源来研究的尖峰序列的可变性。当电路处于可激发状态时,观察到相干共振。在足够低的噪声强度的尖峰列车泊松统计,在许多生物神经元。随机尖峰序列的传递函数具有6 dB的动态范围,接近真实嗅觉受体神经元的实验值。
2011-10-03 physics.bio-ph q-bio.NC
Resolving Molecular Contributions of Ion Channel Noise to Interspike Interval Variability through Stochastic Shielding
独立的噪声源的动作电位定时的可变性的贡献还没有以前研究的水平上的个人定向分子的过渡内的电导为基础的模型离子状态图。这种内在联系提供了一个重要的例子,说明数学如何应用于研究不可观测的微观波动对宏观可观测量的影响。我们研究了一个随机Langevin模型,并展示了如何解决个人的贡献,在离子通道图中的每个过渡使峰间间隔(ISI)的方差。我们将(Cao et al. 2020,SIAM J. Appl. Math)中开发的平均返回时间(MRT)相位缩减扩展到从MRT等时线到自身的返回时间的第二时刻。由于固定电压尖峰检测触发不对应于MRT等时线,因此相间间隔(IPI)方差仅近似于ISI方差。我们发现IPI方差和ISI方差同意在几个百分点内时,都可以计算。此外,我们严格证明,并显示数值,我们的IPI方差的表达式是准确的小噪声(大系统尺寸)制度,我们的理论是准确的小噪声的限制。通过选择性地包括仅与负责大部分ISI方差的那些少数跃迁相关联的噪声,我们的分析扩展了随机屏蔽(SS)范例(Schmandt等人,2012,Phys.Rev.Lett.)从固定电压箝位情况到电流箝位情况。我们数值表明,SS近似具有很高的准确度,即使是较大的,生理相关的噪声水平。我们表明,ISI方差不是一个明确定义的量,但取决于选择的电压电平设置为尖峰检测阈值,在体外和硅片。
2020-11-17 cs.NA math.DS math.NA
Conditional probability based significance tests for sequential patterns in multi-neuronal spike trains
在本文中,我们考虑在多神经元脉冲序列中检测统计上显著的序列模式的问题。这些模式的特征在于来自不同神经元的尖峰的有序序列,尖峰之间具有特定的延迟。我们以前提出了一个数据挖掘方案,有效地发现这样的模式,这是频繁的意义上说,在数据流中的模式的非重叠出现的计数是高于阈值。在这里,我们提出了一种方法来确定这些重复模式的统计意义,并自动设置阈值。我们的方法的新颖之处在于,我们使用复合零假设,不仅包括独立神经元的模型,还包括神经元具有弱依赖性的模型。神经元之间的相互作用的强度表示在某些成对的条件概率。我们通过对所有这些条件概率设置上限来指定我们的零假设。我们构建了一个概率模型来捕捉计数过程,并使用它来计算任何模式的计数均值和方差。利用这一点,我们得出了一个测试的显着性拒绝这样一个零假设。这也允许我们对不同的重要模式进行排序。我们说明了我们的方法使用脉冲序列产生的非齐次泊松模型与嵌入的依赖关系的有效性。
2008-08-28 cond-mat.dis-nn cs.DB q-bio.NC