A large deviation principle for networks of rate neurons with correlated synaptic weights
本文研究了当神经元数目为无穷大时,相互作用神经元网络的渐近稳定性。给定一个完全连接的神经元网络,其中突触权重是高斯相关的随机变量,我们描述了当神经元数目趋于无穷大时网络的渐近律。我们介绍的过程级经验措施的解决方案的轨迹的方程的有限网络的神经元和平均法(相对于突触的权重)的轨迹的解决方案的网络的神经元。本文的主要结果是,通过经验测度的镜像律满足一个大偏差原理,具有一个好的率函数,该率函数具有唯一的全局极小值。我们的率函数的分析,使我们也可以描述的极限措施作为一个固定的高斯测量定义在一组变换的轨迹的图像。这对于神经科学中的应用可能非常有用,因为高斯测度可以完全由其均值和谱密度来表征。它还有助于评估有限尺寸效应的概率。
2013-05-31 math.PR 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
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
Finite volume and asymptotic methods for stochastic neuron models with correlated inputs
我们考虑一对随机整合和火灾神经元接收相关的随机输入。该系统的演化可以用相应的Fokker-Planck方程描述,其边界条件由不应期和点火阈值决定。我们提出了一个有限体积法,是数量级的速度比传统上用于模拟这样的系统的蒙特卡罗方法。结果表明,所得到的数值近似是精确的,非负的,并集成到1。我们还近似的瞬态演化的系统使用的Ornstein-Uhlenbeck过程,并使用的结果来检查细胞对的联合输出的属性。结果表明,一个细胞对的联合输出是最敏感的输入方差的变化,而不敏感的输入均值和相关性的变化。
2010-12-13 q-bio.NC q-bio.QM
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
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
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
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
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
Effects of neuronal variability on phase synchronization of neural networks
神经信息处理中的一个重要思想是通过相干性进行通信的假设,根据该假设,两个大脑区域之间的通信只有在相位锁定时才有效。同样重要的是神经元的可变性,这是一种其中单个神经元的相互激发时间可能高度可变的现象。在这项工作中,我们的目标是通过研究这种可变性对神经元达到相位同步的能力的影响来连接这两个想法。我们模拟了一个具有小世界拓扑结构的改进的Hodgkin-Huxley-爆裂神经元网络。首先,变异性被证明是与网络的相位同步的平均程度。接下来,限制到空间变异性-测量网络中所有神经元之间的放电时间偏差-我们表明它与我们称之为混杂的行为正相关,这是神经元的趋势,它们的相对相位随时间变化。在我们测试的所有情况下都观察到这种关系,无论同步的程度或神经元间耦合的强度如何:高变异性意味着高混杂性(锁相持续时间短),即使网络作为一个整体是同步的,耦合也很强。我们认为,空间变异实际上产生滥交。因此,我们得出结论,变异性有很大的影响,神经元相位同步的程度和方式,这是另一个原因,其相关性在神经通信。
2020-02-27 q-bio.NC
Simultaneous multi-patch-clamp and extracellular-array recordings: Single neuron reflects network activity
本文结合多膜片钳与多电极阵列同步记录,证明单个神经元膜电位可高灵敏反映全网络协同活动,为大规模电极监测提供灵活替代方案。
2017-07-20 cond-mat.dis-nn physics.bio-ph q-bio.CB
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
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
Emergent rate-based dynamics in duplicate-free populations of spiking neurons
本文证明无重复尖峰神经网络可近似递归神经网络,揭示了大型SNN中速率动力学涌现的普遍机制。
2024-11-07 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
Single-trial estimation of stimulus and spike-history effects on time-varying ensemble spiking activity of multiple neurons: a simulation study
皮层神经回路中的神经元表现出协调的发放活动,并在行为和认知过程中产生相关的同步发放。我们最近开发了一种方法,通过结合同时神经元相互作用的模型(例如,自旋玻璃模型)与状态空间方法(Shimazaki等人,2012 PLoS Comput Biol 8 e1002385)。这种方法使我们能够估计刺激诱发的神经元相互作用的动力学,在相同的实验条件下,在重复的试验中是可重复的。然而,如果神经元动力学在试验中表现出显著的可变性,则该方法可能不适合于检测刺激响应。此外,先前的模型不包括神经元的过去尖峰活动对整体活动的当前状态的影响。在这项研究中,我们开发了一个参数化的方法,同时估计刺激和尖峰历史的影响,从单次试验数据的合奏活动,即使神经元表现出的动态,在很大程度上是无关的这些影响。为了这个目标,我们模型合奏神经元活动作为一个潜在的过程,包括刺激和尖峰历史的影响作为外源性输入的潜在过程。我们开发了一个期望最大化算法,同时实现估计的潜在过程,刺激反应,和尖峰历史的影响。所提出的方法是有用的内部皮层状态和感觉诱发活动的相互作用进行分析。
2013-12-16 cond-mat.stat-mech q-bio.NC stat.ML
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
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
Ising models for networks of real neurons
具有成对相互作用的伊辛模型是结构最少或熵最大的概率分布,它精确地再现了测量到的自旋之间的成对相关性。在这里,我们使用这种等价性来构建伊辛模型,该模型描述了视网膜中40个神经元的群体的相关尖峰活动,并表明成对的相互作用解释了观察到的高阶相关性。通过首先为观察到的网络找到一个有代表性的集合,我们可以创建120个神经元的合成网络,并发现随着网络规模的增加,网络的运作更接近临界点,并开始表现出集体行为,让人想起自旋玻璃。
2006-11-22 cond-mat.dis-nn q-bio.NC
Strong, but not weak, noise correlations are beneficial for population coding
本文通过视网膜记录和理论建模证明,强噪声相关性即使与信号相关性方向一致也有益于群体编码,并揭示其有助于高维刺激细粒度细节的编码。
2025-07-02 q-bio.NC
Fluctuation-dissipation relations for spiking neurons
自发波动和刺激反应是神经功能的基本特征,但它们之间的联系却知之甚少。我推导出波动耗散关系(FDR)之间的自发尖峰和电压的相关性和放电率的敏感性为i)泄漏的积分和火灾(IF)模型与白噪声; ii)IF模型与任意电压依赖性,适应电流,和相关噪声。FDR可用于导出相关统计量或从其自发活动的观察推断系统的响应。
2022-04-01 physics.data-an q-bio.NC
Interpretation of Correlated Neural Variability from Models of Feed-Forward and Recurrent Circuits
神经元群体对感觉刺激的重复呈现的响应的相关变化是普遍观察到的现象。这种相关性已被研究得非常详细,无论是在其机械的起源和他们的影响,刺激歧视和人口的表现代码。特别地,递归神经网络模型已被用于理解神经活动中相关性的起源(或缺乏)。在这里,我们应用一个模型的递归连接的随机神经元来解释相关性,发现在一个人口的神经元记录从小鼠听觉皮层。我们研究了相关性的刺激依赖性上的经常性连接的后果,并将其与相关性变化的替代来源(如相关增益波动和前馈架构中的共同输入)进行比较。我们发现,具有随机有效连接的递归网络模型以自然的方式再现了观察到的统计数据,例如数据中噪声和信号相关性之间的关系。在该模型中,我们可以直接分析网络参数之间的关系,相关性,以及如何根据人口活动来区分刺激对。这样,我们就可以把电路参数与信息处理联系起来。
2017-02-06 q-bio.NC
Entrainment of the intrinsic dynamics of single isolated neurons by natural-like input
神经元动力学本质上是不稳定的,产生的活动波动基本上是无标度的。在这里,我们表明,虽然这些无标度波动是独立的时间输入统计,它们可以夹带输入变化。联合输入输出统计和脉冲序列重现性在突触隔离皮层神经元进行了测量,以响应各种输入制度在延长的时间尺度(许多分钟)。响应夹带被认为是最大的输入本身具有自然的,无标度的统计。我们的结论是,自然刺激的偏好,经常观察到在系统水平上,已经存在于基本的,单神经元水平。
2013-01-31 q-bio.NC
Periodic and non-periodic brainwaves emerging via random syncronization of closed loops of firing neurons
电生理信号的周期性和非周期性分量被建模为马尔可夫链中相关的放电神经元的闭环的同步序列。放电神经元的单个闭合回路再现基波和谐波分量,在功率谱中以频率范围约为从$0.5 Hz$到$ 100 Hz$的线出现。通过考虑多个闭环的同步序列,脑电波信号的进一步有趣的特征出现了。特别是,我们表明,同步环路的数量的波动导致宽带功率谱分量的发病。通过同步回路的数量的波动和相关宽带分量的出现的影响,观察到高度失真的波形和信号的非平稳性,与经验EEG和MEG信号一致。使用典型的放电神经元脉冲幅度和持续时间的周期性和非周期性分量的分析关系进行评估。
2022-08-30 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
On the stationary state of a network of inhibitory spiking neurons
皮质神经网络的背景活动由具有不可靠的抑制性突触的同质整合和激发网络建模。数值和分析计算表明,网络放松到一个稳定的状态,高度关注。大多数神经元的膜电位刚好低于阈值;因此,网络可以立即对外部脉冲做出反应-在突触传递的时间尺度上。神经元以低速率和广泛的发放间隔放电。整个网络的射击事件在短时间内是相关的。放电率随外界刺激线性增加。在无限大网络的极限下,突触噪声降为零。然而,峰间期的分布仍然很宽。
2007-03-07 cond-mat.dis-nn q-bio.NC
Searching for collective behavior in a network of real neurons
最大熵模型是结构化程度最低的概率分布,它精确地再现了在交互网络中测量的一组选定的统计数据。在这里,我们使用这一原则来构建概率模型,描述相关的尖峰活动的人口多达120个神经元的蝾螈视网膜,因为它响应自然电影。在小到10个神经元的群体中,尖峰之间的相互作用不再被视为独立系统中的小扰动;对于40个或更多的神经元,成对的相互作用需要由控制群体中同步分布的全局相互作用来补充。在这里,我们表明,这样的“K-成对”模型-以前使用的成对伊辛模型的系统扩展-提供了一个很好的数据。我们通过以下方式探索神经词汇的性质:1)估计其熵,这限制了群体表示视觉信息的能力; 2)将活动模式分类为一小组亚稳态集体模式; 3)显示神经码字集合是非常不均匀的; 4)证明单个神经元的状态是高度可预测的,允许纠错的能力。
2013-06-13 cond-mat.stat-mech physics.bio-ph q-bio.NC
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
How strong are correlations in strongly recurrent neuronal networks?
神经网络中活动的互相关性通常用于表征其动力学状态以及其解剖和功能组织。然而,这些后者的网络功能如何影响的时空结构的相关性在经常性的网络还没有完全理解。在这里,我们开发了一个通用的理论,从动态的强经常性网络组成的几个种群的二进制神经元的相关神经元活动的出现。我们将这一理论应用于神经元之间的连接取决于解剖或功能距离的情况。我们建立的建筑条件下,系统解决到一个动态的状态,相关性强,高度鲁棒性和空间调制。我们表明,这种强相关性出现,如果网络表现出有效的前馈结构。我们建立了这种前馈结构如何决定相关性随网络大小和连通性程度而变化的方式。在缺乏有效前馈结构的网络中,相关性非常小,并且仅微弱地依赖于每个神经元的连接数量。我们的工作显示了强相关性如何与复发网络中高度不规则的活动相一致,这是中枢神经系统中神经元动力学的两个关键特征。
2018-03-01 cond-mat.dis-nn nlin.CD physics.bio-ph
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
Spin glass models for a network of real neurons
具有成对相互作用的伊辛模型是结构最少或熵最大的概率分布,它精确地再现了测量到的自旋之间的成对相关性。在这里,我们使用这种等价性来构建伊辛模型,该模型描述了蝾螈视网膜中40个神经元对自然电影的响应的相关尖峰活动。我们发现,神经元之间的成对相互作用占观察到的高阶相关性,并且对于10个或更多神经元的组,成对相互作用不再被视为独立系统中的小扰动。然后,我们构建网络集成,概括在实验中观察到的网络实例,并研究其热力学行为和编码能力。基于这种结构,我们还可以创建120个神经元的合成网络,并发现随着规模的增加,网络的运行更接近临界点,并开始表现出让人想起自旋玻璃的集体行为。我们仔细研究了两个这样的行为,可能是相关的神经代码:调整网络的临界点,以最大限度地提高能力,编码不同的刺激,并使用亚稳态的伊辛哈密顿神经代码字。
2009-12-30 q-bio.NC
Characterizing variability in nonlinear recurrent neuronal networks
在这篇文章中,我们开发了半解析技术来获得由速率变量描述的非线性神经元随机网络的完整相关结构。在假设成对的膜电位是共同高斯-他们往往是在大型网络-我们获得确定性方程的时间演变的平均放电率和噪声协方差矩阵,可以直接解决给定的网络连接。我们还获得了尖峰计数统计,如Fano因子和成对相关性,假设双随机动作电位发射。重要的是,我们的理论不需要波动很小,并且适用于几个生物动机,凸单神经元非线性。
2016-10-10 q-bio.NC q-bio.QM
Analysis of structure and dynamics in three-neuron motifs
在具有相同神经元的神经网络中,连接权重矩阵完全描述了网络结构,从而决定了它如何处理信息。然而,由于这些系统的非线性,目前尚不清楚类似的微观连接结构是否也意味着类似的功能特性,或者网络是否更多地受到宏观结构量的影响,例如兴奋性和抑制性连接的比率(平衡)或非零连接的比率(密度)。为了澄清这些问题,我们专注于三个二元神经元的图案与离散三元连接强度,一类重要的网络构建块,可以详尽地分析。我们开发了新的,置换不变的度量来量化两个给定的网络模体之间的结构和功能距离。然后,我们使用多维缩放来识别和可视化具有相似结构和功能特性的图案簇。我们的综合分析表明,神经网络的功能与其微观结构只有微弱的相关性,但强烈依赖于连接的平衡。
2018-11-13 q-bio.NC
From the statistics of connectivity to the statistics of spike times in neuronal networks
理解神经回路的一个重要步骤是将它们的结构和动力学联系起来。一般来说,这种关系几乎可以任意复杂。然而,最近的理论工作已经开始确定神经回路中集体尖峰活动背后的一些广泛原则。首先,网络连接的局部特征在预测网络活动的全局统计数据方面可以非常有效。第二个是,对于具有兴奋-抑制平衡的大型网络的重要情况,相关尖峰持续存在或消失取决于经常性和前馈连接的空间尺度。最后,我们展示了这些想法以及可塑性规则如何帮助关闭网络结构和活动统计之间的循环。
2017-03-09 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
Bayesian latent structure discovery from multi-neuron recordings
神经回路包含在类型、位置、连接性和基本响应特性上不同的异质神经元组。然而,传统的降维和聚类方法不适合恢复神经回路组织的结构。特别是,它们没有利用多神经元记录中丰富的时间依赖性,也没有考虑到神经尖峰序列中的噪声。在这里,我们描述了新的工具,用于推断潜在的结构,从同时记录的尖峰训练数据使用的多神经元点过程模型,通常被称为广义线性模型(GLM)的分层扩展。我们的方法结合了GLM与灵活的图论先验管理潜在功能和神经连接模式之间的关系。完全贝叶斯推断通过波利亚-伽马增强的结果模型,使我们能够分类神经元和推断潜在的尺寸电路组织相关的尖峰列车。我们证明了我们的方法的有效性与应用程序的合成数据和多神经元记录在灵长类动物视网膜,揭示了潜在的模式的神经类型和位置,从尖峰列车。
2016-10-26 q-bio.NC stat.ML
A computational investigation of the relationships between single-neuron and network dynamics in the cerebral cortex
在复杂动物中,大脑区域的功能被认为依赖于神经元网络的动力学,而不是单个神经元。另一方面,网络动力学反映并产生于单个神经元群体活动的整合和协调。因此,了解单个神经元和神经回路动力学如何相互补充以产生大脑功能至关重要。LFP和EEG是介观和宏观神经元群体动态的良好指标,而微观水平的活动可以通过测量单个神经元的膜电位、突触电流或尖峰活动来记录。在这篇论文中,我们开发的数学建模和数学分析工具,可以帮助解释联合措施的神经活动在微观和中观或宏观尺度。特别是,我们开发了递归皮层回路的网络模型,可以澄清单神经元的几个方面的影响(即,显微镜水平)对整个神经元群体活动的动力学(如通过LFP测量的)。然后,我们开发统计工具来表征单个神经元的动作电位放电和质量信号之间的关系。我们将这些后一种分析技术应用于单个细胞类型识别的神经元和介观(即,LFP)和宏观(即,EEG)信号。我们确定了细胞特异性神经放电和质量电路活动之间关系的几个一般方面,例如提供了从质量测量(例如LFP和EEG)推断单神经元放电活动的一般和鲁棒的数学规则。
2016-12-31 cs.IT math.IT 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
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
A small-correlation expansion to quantify information in noisy sensory systems
神经网络通过响应外部刺激的集体尖峰活动来编码信息。这种群体反应是嘈杂的和强相关的,由刺激引起的相关性和由共享噪声引起的相关性之间存在复杂的相互作用。到目前为止,理解这些相关性如何影响信息传输仅限于神经元对或小群体,因为维数灾难阻碍了更大群体中互信息的评估。在这里,我们开发了一个小的相关性扩展来计算大量神经元所携带的刺激信息,从而产生可解释的神经元放电率和成对相关性的分析表达式。我们验证了近似的合成数据,并证明其适用于电生理记录在脊椎动物视网膜,使我们能够量化的影响神经元之间的噪声相关性和记忆中的单个神经元。
2022-11-24 cond-mat.dis-nn q-bio.NC
Dynamical mean-field theory of noisy spiking neuron ensembles: Application to the Hodgkin-Huxley model
本文提出了动力学平均场近似(DMA)[H. Hasegawa,Phys. Rev E { \bf 67},041903(2003)]已经被扩展到由一般噪声尖峰神经元模型描述的集合。集合的$N$单位神经元,其中每一个表示的耦合$K$维微分方程(DE),被假定为受到空间相关的白噪声。原始的$KN$维{ \it随机} DE已被$K(K+2)$维{ \it确定性} DE取代,用{ \it局部}和{ \it全局}变量的均值和二阶矩表示:高斯解耦逼近考虑了四阶贡献。我们的DMA已被应用到Hodgkin-Huxley(HH)神经元(K=4)的合奏,其中的噪声,耦合强度和合奏的大小上的响应单穗输入的影响进行了研究。DMA理论的计算结果与直接模拟的结果符合得很好。
2003-04-11 cond-mat.dis-nn q-bio.NC
High conductance states in a mean field cortical network model
从视觉皮层神经元的测量反应表明,尖峰时间往往是相关的,而不是完全泊松分布。Fano因子各不相同,并且通常大于1,这是由于尖峰被聚集成爆发的趋势。我们表明,这种行为自然出现在一个平衡的皮质网络模型与随机连接和电导为基础的突触。我们采用平均场理论与正确的有色噪声来描述神经元活动的时间相关性。我们的研究结果阐明了两个独立的实验结果之间的联系:高电导状态的皮质神经元在其自然环境中,和变量的非泊松尖峰统计与Fano因子大于1。
2004-02-11 q-bio.NC
Motif Statistics and Spike Correlations in Neuronal Networks
模体是复杂网络的子图模式。我们研究了这种模式的连接水平的相关性,或同步,尖峰活动之间的细胞对在一个经常性的网络模型的整合和消防神经元的影响。对于一系列的网络架构,我们发现,成对的相关系数,平均在整个网络中,可以密切近似使用只有三个网络连接的统计。这些是整体网络连接概率和两个二阶基序的频率:发散基序,其中一个单元向另外两个单元提供输入,以及链基序,其中两个单元通过第三个中间单元连接。具体而言,发散和连锁图案的流行往往会增加相关性。我们的方法是基于线性响应理论,这使我们能够表示尖峰统计使用线性代数,和一个plumming技术,从二阶图案外推预测耦合网络相关性的整体效果。我们的图案为基础的结果试图隔离的影响,网络架构扰动从一个已知的网络状态。
2012-06-15 q-bio.NC
Cell assembly dynamics of sparsely-connected inhibitory networks: a simple model for the collective activity of striatal projection neurons
纹状体投射神经元形成一个稀疏连接的抑制网络,这种安排可能是必要的适当的时间组织的行为。在这里,我们表明,一个简化的,稀疏的抑制网络的泄漏整合和消防神经元可以重现一些关键特征的纹状体人口活动,在脑切片中观察到[Carrillo-Reid et al.,神经生理学杂志99(2008)1435{1450}。特别是,我们开发了一个新的度量,以确定条件下,稀疏抑制网络形成反相关的细胞组装与随时间变化的活动的个别细胞。我们发现,在这些条件下,网络显示输入特定序列的细胞组装开关,有效地区分类似的输入。我们的结果支持了这样的提议[Ponzi和Wickens,PLoS Comp Biol 9(2013)e1002954],即纹状体投射神经元之间的GABA能连接允许刺激选择性的、暂时延长的细胞组装体的顺序激活。此外,我们帮助显示如何改变纹状体内GABA能信号可能会产生异常的网络水平的信息处理的疾病,如帕金森氏症和亨廷顿氏病。
2015-11-21 nlin.CD q-bio.NC
Dynamic Mean Field Theories for Nonlinear Noise in Recurrent Neuronal Networks
University of Chicago(芝加哥大学)
本文提出了一种动态均值场理论,用于分析递归神经网络中非线性噪声的影响,通过高斯等效过程和对数正态矩闭合方法,提高了强波动 regime 下的分析精度。
2026-01-21 math.DS 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
Non-stationary dynamics of interspike intervals in neuronal populations
PhD program in Mathematics, Sapienza Univ. of Rome(罗马智慧大学数学博士项目);Natl. Center for Radiation Protection and Computational Physics, Istituto Superiore di Sanità(国家辐射保护与计算物理中心,高等卫生研究所)
本文研究了神经元群体中棘突间隔的非稳态动力学,通过群体密度框架推导了二维福克-计划方程和一维矩方程,分析了外部输入和网络振荡对棘突间隔分布的影响。
2025-12-30 cond-mat.dis-nn 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