Neural tuning and representational geometry
神经科学的一个中心目标是了解大脑活动模式形成的表征及其与行为的联系。经典的方法是研究单个神经元如何对刺激进行编码,以及它们的调谐如何决定神经表征的保真度。调谐分析通常使用Fisher信息来表征神经响应对刺激的微小变化的敏感性。近几十年来,对大量神经元的测量激发了一种补充方法,该方法专注于线性解码器可用的信息。可解码的信息是由多变量响应空间中的代表性模式的几何形状捕获的。在这里,我们回顾神经调谐和表征几何学,目的是澄清它们之间的关系。调谐诱导几何形状,但是不同的调谐神经元集合可以诱导相同的几何形状。几何形状决定了Fisher信息、互信息和一个理想观察者在一系列心理物理任务中的行为表现。我们认为,未来的研究可以受益于同时考虑调谐和几何理解神经代码,并揭示刺激,大脑活动和行为之间的联系。
2021-04-20 q-bio.NC
A Practical Guide to Tuning Spiking Neuronal Dynamics for Computational Neuroscience and NeuroAI Research
Department of Computer Science, Rochester Institute of Technology(罗切斯特理工学院计算机系)
本研究针对计算神经科学与神经AI研究,探究脉冲神经网络的调优方法,重点分析LIF和RAF神经元的相关要素及SNN的其他设计要素对神经元动力学的影响。
2026-08-18 cs.NE q-bio.NC
MSE-based analysis of optimal tuning functions predicts phenomena observed in sensory neurons
生物系统在实时有效地响应环境信号方面表现出令人印象深刻的能力。越来越多的证据表明,生物体在决策过程中可能确实采用了接近最优的贝叶斯计算。一个有趣的问题涉及最佳编码方法的性质,即确定感官层中神经元群体的性质,以优化性能,受到生理约束。在神经编码/解码的生态理论,我们表明,最佳的贝叶斯性能需要神经适应,反映了环境的变化。具体来说,我们预测,神经元调谐功能具有最佳的宽度,这与先前的不确定性和环境噪声增加,并与解码时间窗口减小。此外,即使是静态的刺激,我们表明,动态的感官调谐功能,在相对较短的时间尺度上,导致性能的提高。有趣的是,最近在几个生物系统中观察到作为时间函数的调谐函数的缩小。这些结果为功能理论奠定了基础,该理论可以解释感觉系统的高可靠性,以及神经元适应在多个时间尺度上发生的效用。
2010-02-11 q-bio.NC q-bio.QM
Neural Population Coding is Optimized by Discrete Tuning Curves
获得了使泊松神经元或泊松神经元群体的互信息最大化的S形调谐曲线。发现最佳调谐曲线具有导致输入信号量化的离散结构。随着编码窗口的长度变化,量化级别的数量经历相变的层次。我们假设,以哺乳动物的听觉系统为例,一个亚群结构内的神经元群体的存在是一致的最佳神经代码。
2009-09-24 q-bio.NC
Mean field theory for a balanced hypercolumn model of orientation selectivity in primary visual cortex
我们提出了一个完整的平均场理论的平衡状态的一个简单的模型的定向超柱。该理论的补充说明的数值求解平均场方程定量的过程。通过我们的处理,我们可以自洽地确定放电率和放电相关性,而不限于特定的神经元模型。在这里,我们解决了解析导出的平均场方程数值积分和消防神经元。几个已知的关键属性的方向选择性皮层神经元自然出现的描述:不规则发射与统计接近-但不限于-泊松统计;一个几乎线性的增益函数(发射频率作为刺激对比度的函数)的神经元内的网络;和对比度不变的调谐宽度的神经元放电。我们发现,放电的不规则性敏感地依赖于突触的强度。如果Fano因子大于1,那么它们对于所有引起放电的刺激方向都是如此。我们还发现,在输入电流的噪声的调谐是相同的外部输入的调谐,而平均输入电流取决于外部输入和皮层内的连接。
2004-03-25 q-bio.NC
Emergent tuning heterogeneity in cortical circuits is sensitive to cellular neuronal dynamics
Max Planck Institute for Dynamics and Self-Organization(马克斯·普朗克动力学与自组织研究所);Cognitive Neuroscience Laboratory, German Primate Center(德国灵长类中心认知神经科学实验室)
针对皮层回路中涌现的调谐异质性,提出一种特征调谐平衡态网络解析框架,允许突触后电流和细胞兴奋性存在多样异质性,为神经回路推断提供了严格且精确的理论基础。
2025-11-05 physics.bio-ph q-bio.NC
A computational study on synaptic and extrasynaptic effects of astrocyte glutamate uptake on orientation tuning in V1
星形胶质细胞通过谷氨酸转运体对突触间隙附近的谷氨酸浓度和细胞外谷氨酸的严格控制来影响神经传递。雪貂和小鼠初级视觉皮层的体内研究支持了它们与信息表征的相关性。在雪貂阻断谷氨酸转运的神经元扩大调谐曲线,并加强在首选方向的反应。在谷氨酸转运蛋白表达减少的基因敲除小鼠中,观察到了尖锐的调谐。然而,目前还不清楚谷氨酸浓度的焦点和环境变化如何影响刺激表征。在这里,我们开发了一个计算框架,它允许调查的突触和突触外谷氨酸摄取的方向调谐与风车域(雪貂)或盐和胡椒(小鼠)组织的递归连接的网络模型的影响。该模型认为,谷氨酸的摄取影响兴奋性和抑制性神经元对网络活动的贡献时,形状的信息表示。也就是说,加强兴奋性神经元的贡献通常会扩大调谐并提高响应。相反,加强抑制性神经元的贡献可以对调谐产生锐化效应。此外,局部表征拓扑结构也发挥了作用:在风车域模型中,效应在相邻神经元共享首选方向的区域内最强。在风车周围以及盐和胡椒网络中,这种影响不那么强烈。我们的模型提出,药物干预雪貂增加了兴奋细胞的贡献,而在小鼠中的表达减少增加了抑制细胞对网络活动的贡献。
2017-01-30 q-bio.MN q-bio.NC
WaLiN-GUI: a graphical and auditory tool for neuron-based encoding
本文提出WaLiN-GUI,一款开源图形与听觉工具,支持通过广义LIF等神经元模型调整参数,将实值数据编码为脉冲序列,以辅助神经形态计算中的数据转换研究。
2023-10-25 cs.NE q-bio.NC
Emergence of criticality in models of real neurons
Yale University(耶鲁大学)
研究表明,随着神经元数量增加,临界性无需精细调节即可自然涌现,通过正问题和逆问题的映射关系,模型集中于临界点,并在小鼠大脑记录中验证了向临界性的流动,解决了临界性与精细调节之间的张力。
2026-09-10 physics.bio-ph q-bio.NC
On the Level Sets and Invariance of Neural Tuning Landscapes
Harvard Medical School(哈佛医学院)
视觉表征可以被定义为神经元群体对图像的响应的激活。神经元的激活作为在所有图像空间上的函数已经被描述为“调谐景观”。作为一个在高维空间上的函数,这个景观的结构是什么?在这项研究中,我们通过水平集和莫尔斯理论的镜头表征调谐景观。最近的一项研究测量了不同脑区神经元的体内二维调谐图。在这里,我们开发了一个统计上可靠的签名,这些地图的基础上变化的拓扑结构的水平集。我们发现这种拓扑特征在整个皮层层次中逐渐变化,在卷积神经网络(CNN)中也发现了类似的趋势。此外,我们分析了CNN单元的调谐景观上的水平集的几何结构。我们提出了假设,高阶单元可以被视为局部各向同性径向基函数,但不是全局。这显示了水平集作为理解图像空间上的神经元激活的概念工具的能力。
2022-12-26 cs.AI cs.CG cs.CV
Zipf's law and criticality in multivariate data without fine-tuning
生物系统中许多自由度的联合概率分布,例如神经网络中的放电模式或斑马鱼中的抗体序列组成,通常遵循齐普夫定律,其中在秩-频率图上观察到幂律。这种行为最近被证明意味着这些系统位于一个独特的临界点附近,在那里熵和能量的广泛部分完全相等。在这里,我们通过分析和数值模拟表明,如果存在影响系统的未观测变量(或变量),则Zipf类概率分布自然出现。G.对于神经网络,输入刺激导致网络中的各个神经元以时变速率激发。在统计学和机器学习中,这些模型被称为潜变量或混合模型。我们的模型表明,没有微调是必需的,即齐普夫定律一般出现没有调整参数到一个点,并提供了深入了解齐普夫定律在广泛的系统中的普遍性。
2014-06-18 cond-mat.stat-mech q-bio.NC q-bio.QM
A Semiparametric Bayesian Model for Detecting Synchrony Among Multiple Neurons
我们提出了一个可扩展的半参数贝叶斯模型来捕获多个神经元之间的依赖关系,通过检测它们随时间的共同发射(可能有一些滞后时间)模式。在对时间进行离散化以使得在每个间隔处最多存在一个尖峰之后,使用具有高斯过程先验的连续潜变量的逻辑函数来对每个神经元的1(尖峰)和0(静默)的所得序列进行建模。对于多个神经元,相应的边缘分布耦合到他们的联合概率分布使用参数copula模型。我们的方法的优点如下:非参数分量(即,高斯过程模型)提供了用于对潜在的激发速率建模的灵活框架;参数分量(即,Copula模型)允许我们对神经元之间的同期和滞后关系进行推断;使用Copula模型,我们通过将单变量边缘分布的建模与变量之间的依赖结构的建模分离来构建多变量概率模型;我们的方法易于使用计算高效的采样算法来实现,该算法可以容易地扩展到高维问题。使用模拟数据,我们表明,我们的方法可以正确地捕捉时间依赖性的放电率和识别同步神经元。我们也将我们的模型应用于从大鼠大脑前额叶皮层区域获得的尖峰训练数据。
2014-03-03 q-bio.NC stat.AP
Limits of optimal decoding under synaptic coarse-tuning
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
研究探讨了突触粗调对信息传递的影响,发现强粗调下最优解码器与朴素解码器性能相似,突触波动限制了有效读取至低维流形。
2026-02-25 physics.bio-ph q-bio.NC
Searching for long time scales without fine tuning
本研究结合最大熵和随机矩阵理论方法构建神经网络系综,探索产生长时间尺度所需的约束条件,发现单一长时间尺度可普遍产生但完整慢模式谱需更多微调。
2024-08-22 nlin.AO physics.bio-ph q-bio.NC
Implicit embedding of prior probabilities in optimally efficient neural populations
我们研究如何在环境中的感觉变量的先验概率分布影响神经元和尖峰的最佳分配在人口中,代表该变量。我们从一个传统的响应模型开始,其中每个神经元的尖峰来自泊松分布,其平均速率由相关的调谐曲线决定。对于这个模型,我们近似的Fisher信息的密度和振幅的调谐曲线,假设调谐宽度与细胞密度成反比。我们考虑一个家庭的目标函数的期望值的基础上,在感官先验,功能的Fisher信息。这个家庭包括作为特殊情况下的互信息和感知的可辨别性的下界。对于所有的情况下,我们得到一个封闭的形式表达的最佳,其中的密度和增益的细胞在人口的幂律函数的刺激之前。因此,这些资源的分配由先验唯一指定。由于感知可辨别性可以直接用Fisher信息表示,因此它也将是先验的幂律函数。我们发现,这些结果适用于任意形状的调谐曲线和相关的神经元变异性。因此,该框架提供了关于感官先验、神经表征的调谐特性和感知辨别力之间关系的直接且可实验测试的预测。
2012-09-22 physics.bio-ph q-bio.NC
Characterizing the nonlinear structure of shared variability in cortical neuron populations using latent variable models
感觉神经元通常对相同刺激的重复呈现具有可变的反应,这可以显著降低包含在这些反应中的刺激信息。如果变异性在许多神经元之间共享,则原则上可以保留这些信息,但这取决于共享变异性的结构及其与群体水平上的感觉编码的关系。神经活动中的这种共享可变性的结构可以通过潜变量模型来表征,尽管它们迄今为止通常在限制性数学假设下使用。在这里,我们介绍了两个非线性潜变量模型分析大规模的神经记录。我们首先提出了一个一般的非线性潜变量模型,是不可知的刺激调谐性能的个别神经元,因此非常适合探索神经元群体的调谐性能没有得到很好的表征。这激发了第二类模型,即广义仿射模型,它同时确定每个神经元的刺激选择性和一组潜变量,这些潜变量以相加和相乘的方式调制这些刺激驱动的反应。虽然这些方法可以检测到非常普遍的非线性关系共享的神经变异,我们发现,记录在麻醉初级视觉皮层(V1)的神经活动是最好的描述由一个单一的添加剂和单一的乘法潜在变量,即“仿射模型”。相比之下,应用相同的模型记录在清醒的猕猴前额叶皮层发现更一般的非线性competencies描述的人口反应的变异性。因此,这些结果表明,非线性潜变量模型可以用来描述人口反应的变异性,并建议,一系列的方法是必要的,在不同的实验条件下研究不同的大脑区域。
2019-04-23 q-bio.NC q-bio.QM
Emergent organization of receptive fields in networks of excitatory and inhibitory neurons
Yale University(耶鲁大学);Wu Tsai Institute(吴蔡研究所)
局部模式的兴奋和抑制,可以产生神经波的研究作为一个计算机制的组织神经元调谐。稀疏编码算法的兴奋性和抑制性神经元网络的基础上提出的,表现出地形图的感受野适应输入刺激。受神经波的漏积分激发模型的启发,我们提出了一个更典型的人工神经网络的激活模型。给出了使用自然图像和自然语言文本的激活模型的计算实验。在图像的情况下,熟悉的“风车”模式的定向边缘检测器出现,在文本的情况下,由此产生的地形图表现出一个2维表示的颗粒字语义。与体感输入的合成模型的实验被用来研究如何网络动力学可能会影响可塑性的神经元地图下的输入的变化。
2022-05-26 cs.LG q-bio.NC
Self-Attention-Based Contextual Modulation Improves Neural System Identification
Carnegie Mellon University(卡内基梅隆大学);Peking University(北京大学);Massachusetts Institute of Technology(麻省理工学院)
本文提出用自注意力机制改进CNN的视觉皮层神经响应预测,发现其可提升调谐曲线相关性和峰值调谐,且与全连接读出层互补,增量分解学习感受野与上下文调制有效。
2025-02-28 cs.CV q-bio.NC
Factorized Neural Processes for Neural Processes: $K$-Shot Prediction of Neural Responses
Northwestern University(西北大学);Shirley Ryan Ability Lab(雪莉·瑞安能力实验室);University Tübingen(图宾根大学);Baylor College of Medicine(贝勒医学院)
近年来,人工神经网络在预测视觉皮层中的神经元对自然刺激的反应方面已经取得了最先进的性能。然而,它们需要一个耗时的参数优化过程来精确地建模新观察到的神经元的调谐函数,这阻止了许多应用,包括实时,闭环实验。我们克服了这个限制,制定的问题,$K$ -拍摄预测直接推断神经元的调谐功能,从一个小的刺激响应对使用神经过程。这就要求我们开发一个因子化神经过程,它将观察到的集合嵌入到一个潜在的空间中,该空间被划分为感受野位置和调谐函数属性。我们模拟的反应,预测和重建的感受野从因子化神经过程接近地面真理与试验次数的增加。重要的是,概括神经元调谐功能的潜在表示是在通过网络的快速、单次向前传递中推断出来的。最后,我们验证了这种方法对真实的神经数据从视觉皮层,并发现预测准确性是可比的-和小$K$甚至大于-优化为基础的方法,同时大大加快。我们相信,这种新型的深度学习系统识别框架将有助于更好地将人工神经网络建模实时集成到神经科学实验中。
2020-10-22 cs.LG cs.NE q-bio.NC
Measuring and Understanding Sensory Representations within Deep Networks Using a Numerical Optimization Framework
感觉神经科学的一个核心挑战是描述神经元群体的活动如何代表外部环境的有用特征。然而,虽然神经生理学家早就能够记录清醒的、有行为的动物的神经元反应,但要说一个给定的神经元做什么完全是另一回事。一个关键问题是,在许多感官领域,一个人可能遇到的所有可能刺激的空间实际上是无限的;例如,在视觉中,自然场景是组合复杂的,生物体只会遇到可能刺激的一小部分。因此,即使描述感觉神经元的反应特性也是困难的,并且神经元功能的研究几乎总是受到可以考虑的刺激数量的严格限制。在本文中,我们提出了一个闭环,基于优化的实验框架,用于表征感觉神经元的响应特性,建立在闭环实验方法的过去的努力,并利用人工神经网络的最新进展,作为我们的技术的试验场。具体来说,使用深度卷积神经网络,我们询问现代黑盒优化技术是否可以用于询问深度非线性系统中人工神经元的“调谐景观”,而不会对所考虑的刺激空间施加重大约束。我们引入了一系列措施来量化调整景观,并展示了这些如何与对象识别任务中的网络性能相关。在某种程度上,深度卷积神经网络越来越多地作为生物视觉的事实上的工作假设,我们认为,开发一个统一的方法来研究人工和生物系统具有巨大的潜力,以推动这两个领域一起。
2015-02-17 cs.NE q-bio.NC
Functional Connectivity: Continuous-Time Latent Factor Models for Neural Spike Trains
研究提出首个连续时间多元神经脉冲序列潜在因子模型,解决离散时间模型对bin size敏感的问题,其高效推断算法随神经元数量线性扩展且无需时间分箱,模拟验证了高精度估计,并在大鼠前额叶皮层数据中揭示了奖励提示与脑区对神经元活动的调控作用。
2023-05-17 q-bio.NC stat.ME
Tracking Fast Neural Adaptation by Globally Adaptive Point Process Estimation for Brain-Machine Interface
脑机接口(BMI)通过将神经活动转换为数字命令来控制外部设备,从而帮助残疾人恢复身体功能。神经适应,即大脑信号响应外部刺激或运动而变化,在BMI中起着重要作用。当受试者纯粹使用神经活动来脑控制假肢时,一些神经元会主动探索新的调谐特性来完成运动任务。对这种神经调谐特性的预测可以帮助受试者更有效地适应大脑控制并保持良好的解码性能。现有的预测方法在手动控制中跟踪调谐特性的缓慢变化,这不适合于大脑控制中的快速神经适应。为了识别大脑控制中的活动神经元并跟踪其调谐特性的变化,提出了一种全局自适应点过程方法(GaPP),从锋电位序列中估计神经元的调制状态,将其分解为超优先方向,并在双模型框架下重建运动学.我们实现的方法从大鼠执行手动控制和大脑控制下的两个杠杆的歧视任务的真实数据。结果表明,我们的方法成功地预测了神经调制状态,并确定了在大脑控制中变得活跃的神经元。与现有的方法相比,我们的跟踪超首选方向从手动控制到大脑控制的快速变化更准确,更有效,更好,更快地重建运动学。
2021-07-27 eess.SP q-bio.NC
Partitioning Neural Co-Variability
Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出PMNLV模型,通过矩阵正态先验扩展单神经元过分散性,以捕捉神经群体的过分散结构。该模型结合变分EM和核竞赛方法,有效恢复神经元间和时间协方差因素,揭示初级视觉皮层中共享群体协变性峰值现象。
2026-05-07 q-bio.NC q-bio.QM
SCAU: Modeling spectral causality for multivariate time series with applications to electroencephalograms
脑电图(EEG)是脑中电神经元活动的非侵入性测量信号。当前的主要统计挑战之一是正式测量这些复杂信号之间的函数依赖性。本文提出了谱因果关系模型(SCAU),一个强大的线性模型,因果关系范式下,以反映间和频率内调制的影响,不能使用其他方法来识别。SCAU推断通过三个主要步骤进行:(a)信号分解成频率仓,(b)中间谱带映射,以及(c)通过频率特定自回归模型(VAR)的依赖性建模。我们应用SCAU研究复杂的依赖关系,在视觉和词汇流畅性任务(单词生成和视觉固定)在26名参与者的脑电图。我们比较了连接网络估计使用SCAU相对于VAR模型。SCAU网络对两种刺激都表现出明显的对比,而与VAR网络相比,幅度链接也表现出较低的方差。此外,SCAU依赖性连接不仅与神经科学文献中的发现一致,而且还提供了关于空间-频谱依赖性的方向性的进一步证据,例如额颞脑网络中的δ起源和θ诱导的链接。
2021-05-13 q-bio.NC stat.ME
Understanding Neural Coding on Latent Manifolds by Sharing Features and Dividing Ensembles
Norwegian University of Science and Technology(挪威科技大学);Bosch Center for Artificial Intelligence(博世人工智能中心);University of Cambridge(剑桥大学)
系统神经科学依赖于神经数据的两种互补观点,其特征在于单神经元调谐曲线和群体活动分析。这两种观点结合在神经潜变量模型中,该模型约束了潜变量和神经活动之间的关系,由简单的调谐曲线函数建模。最近已经证明了这一点,使用高斯过程,与现实和拓扑相关的潜在流形的应用。然而,这些模型和以前的模型错过了神经群体的关键共享编码特性。我们提出了跨神经调谐曲线的特征共享,这显著提高了性能并有助于优化。我们还提出了一个解决方案的合奏检测问题,其中不同的神经元组,即,合奏,可以调制不同的潜在流形。通过在训练期间对神经元进行软聚类来实现,这允许以无监督的方式分离混合神经种群。这些创新导致了更可解释的神经种群活动模型,即使在复杂的潜在流形的混合物上,这些模型也能很好地进行训练并表现得更好。最后,我们将我们的方法应用于最近发布的网格单元数据集,并在一个集成的建模框架中恢复不同的集合,推断环形潜伏期和预测神经调谐曲线。
2023-02-16 cs.LG q-bio.NC stat.ML
Multiscale relevance and informative encoding in neuronal spike trains
对复杂刺激和任务的神经元响应可以包括广泛的时间尺度。了解这些反应需要的措施,这些响应模式的信息是如何表示在多个时间分辨率的特点。在本文中,我们提出了一个度量-我们称之为多尺度相关性(MSR)-捕捉动态变化的单个神经元的活动在不同的时间尺度。MSR是一种非参数的、完全无特征的指示器,因为它仅使用放电活动的时间戳,而不诉诸任何先验协变量或调用神经活动的调谐曲线中的任何特定结构。当应用于来自mEC和来自行为自由的啮齿动物的ADn和PoS区域的神经数据时,我们发现具有低MSR的神经元倾向于具有低互信息和低发射稀疏性,这些相关性被认为是由记录的大脑区域编码的。此外,具有高MSR的神经元包含关于空间导航的重要信息,并且允许与其放电活动具有与待解码的协变量的高互信息的那些神经元一样有效地解码空间位置或头部方向,并且显著优于在其峰间间隔中具有高局部变化的神经元的集合。鉴于这些结果,我们建议,MSR可以被用来作为衡量排名和选择神经元的信息内容,而不需要呼吁任何先验协变量。
2019-12-20 q-bio.NC q-bio.QM
Fractionally Predictive Spiking Neurons
最近的实验工作表明,神经放电率可以解释为分数导数,至少当信号变化引起神经适应。在这里,我们表明,实际的神经尖峰训练本身可以被认为是分数阶导数,只要神经信号近似的幂律内核的总和。一个简单的标准阈值尖峰神经元足以进行这样的近似,给定一个合适的不应反应。从经验上讲,我们发现,在线近似的信号与幂律内核的总和是有益的编码信号与缓慢变化的组件,如长记忆自相似信号。对于这样的信号,与类似但指数衰减的内核的总和相比,对于类似的SNR,在线幂律内核近似通常需要不到一半的尖峰数量。由于幂律内核可以准确地近似使用加权指数的总和或级联,我们证明了由接收神经元的尖峰序列的相应解码允许通过调整解码内核的权重来进行自然和透明的时间信号滤波。
2010-10-29 cs.NE q-bio.NC
The effects of inhibitory and excitatory neurons on the dynamics and control of avalanching neural networks
对被称为雪崩的集体神经活动的统计分析提供了对许多物种大脑正常行为的深入了解。我们考虑基于Lombardi,Herrmann,De Arcangelis等人的工作的神经网络模型,该模型捕获了神经雪崩的相关动力学,并且我们展示了如何调整该模型中抑制神经元的比例,随着时间的推移改变网络的连通性,消除雪崩强度和持续时间分布中存在的指数截止,并将网络的功率谱密度转变为“癫痫”状态。我们建议,大脑运作远离这种低抑制分数的幂律制度,以保护自己免受这些扩展分布中存在的主导雪崩。我们提出了控制策略,通过随机或更有效地,有针对性地禁用兴奋性神经元,减少这些幂律分布。
2018-11-28 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
From univariate to multivariate coupling between continuous signals and point processes: a mathematical framework
时间序列数据集通常包含异质信号,由连续变化的量和离散发生的事件组成。这些测量之间的耦合可以提供对所研究系统的关键潜在机制的见解。为了更好地提取这些信息,我们研究了连续信号和点过程之间耦合测度的渐近统计性质。我们首先介绍鞅随机积分理论作为一个数学模型的一个家庭的统计量,包括锁相值,一个经典的耦合措施,以表征复杂的动态。基于鞅中心极限定理,我们可以推导出这种耦合测度的估计的渐近高斯分布,这可以用于统计检验。其次,基于此结果的多元推广和随机矩阵理论,我们建立了一个原则性的方法来分析大量的点过程和连续信号之间的低秩耦合。对于无耦合的原假设,我们建立了矩阵奇异值平方的经验分布收敛的充分条件,随着测量信号数量的增加,著名的Marchenko-Pastur(MP)法,最大的奇异值平方收敛到MP支持的上端。这证明了一个简单的阈值方法来评估多元耦合的意义。最后,我们用模拟来说明我们的单变量和多变量结果在神经时间序列的上下文中的相关性,解决如何可靠地量化多通道局部场电位信号和大量神经元的尖峰活动之间的相互作用。
2020-05-08 q-bio.NC stat.AP stat.ME
Scaling signatures of near-critical dynamics in large-scale human resting-state electrophysiology
University of Padova(帕多瓦大学);Biofisika Institute (CSIC,UPV-EHU)(生物物理学研究所(西班牙国家研究委员会、巴斯克公立大学));Ben-Gurion University of the Negev(内盖夫本-古里安大学)
研究通过临界点理论分析静息态脑电活动,发现多种可观测量在粗粒化下呈现尺度不变性,揭示了临界动力学在非侵入性脑电记录中的应用潜力。
2026-11-10 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
Information-theoretic interpretation of tuning curves for multiple motion directions
我们已经开发了一种有效的信息最大化方法,通过优化底层前馈网络模型的参数来计算感觉神经元调谐曲线的最佳形状。当应用到多个方向的视觉运动的人口编码的问题,我们的方法产生几种类型的调谐曲线与对称和不对称的形状,类似于已经发现在视觉皮层。我们的研究结果表明,在神经生理学实验中观察到的调谐曲线形状的多样性或异质性,实际上可能构成一个最佳的人口表示的视觉运动的多个组成部分。
2017-02-01 cs.IT cs.NE math.IT