The constructive role of diversity on the global response of coupled neuron systems
我们研究了耦合可兴奋神经元的集合的元素之间存在的异质性对系统对外部信号的集体响应的影响。我们已经考虑了两种不同的相互作用的情况下,其中一个是神经元扩散耦合,另一个是神经元通过脉冲状信号相互作用。我们发现,神经元之间的相互作用的类型在确定系统对外部调制的响应中起着至关重要的作用。我们发展了一个基于序参量展开的平均场论,定量地再现了扩散耦合情况下的数值结果。
2010-03-30 physics.bio-ph q-bio.NC
From Correlation to Causation: Estimation of Effective Connectivity from Continuous Brain Signals based on Zero-Lag Covariance
了解大脑连接性在基础研究和临床应用中都非常重要。我们提出了一种方法来推断定向连接从零滞后协方差的神经元活动记录在多个站点。这使我们能够确定反映在神经元群体活动中的因果关系。为了得到我们的策略,我们假设一个通用的线性模型的相互作用的连续变量,其中的组件代表当地的神经元群体的活动。从记录的信号推断连接性的建议方法利用了这样一个事实,即从观察到的活动导出的协方差矩阵包含关于连接的存在、方向和符号的信息。假设一个稀疏耦合的网络,我们通过$L^1$ -最小化消除潜在的因果结构的歧义。通常,该方法适合于从各种类型的静息状态数据推断有效连接性。我们表明,我们的方法是适用于广泛的网络规模和网络的连接概率的结构参数。我们还探讨了影响其活性动力学的参数,如本征值谱。此外,基于模拟合适的Ornstein-Uhlenbeck过程模型BOLD动态,我们表明,与我们的方法,它是可能的,以估计定向连接来自这样的信号的零滞后协方差。在这项研究中,我们考虑测量噪声和未观察到的节点作为额外的混杂因素。此外,我们调查了可靠估计所需的数据量。此外,我们将所提出的方法应用于fMRI数据集。由此产生的网络表现出一种趋势,即附近的区域被连接起来,以及相应区域之间的半球间连接。此外,我们发现,很大一部分已识别的连接是抑制性的。
2018-04-09 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
Frequency-dependent covariance reveals critical spatio-temporal patterns of synchronized activity in the human brain
研究提出一种探索跨频带临界性特征的新框架及时间依赖降维方法,应用于脑磁图数据揭示了健康人与帕金森病患者大脑活动模式的显著差异。
2024-03-22 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
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
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
INTENSE: Information-theoretic discovery of behavioral selectivity of neurons in calcium imaging data
Institute for Advanced Brain Studies of the Moscow State University(莫斯科国立大学高级脑科学研究所);Center for Interdisciplinary Research in Biology, Collège de France(法兰西公学院跨学科生物学研究中心);Semenov Institute of Chemical Physics, Russian Academy of Sciences(俄罗斯科学院谢苗诺夫化学物理研究所)
INTENSE通过信息论方法检测和解构钙成像数据中的神经元选择性,提升大规模神经记录与行为关联的分析能力。
2026-11-10 q-bio.NC q-bio.QM
Nonlinear response properties in the inferior colliculus: Common sound-frequency dependence for linear and nonlinear responses
在听觉中脑的主要会聚中心,下丘中央核(ICC)的神经元已被证明显示线性显着的感受野,或线性和非线性显着的感受野。在这项研究中,我们使用反向相关探测猫ICC中单个神经元的线性和非线性响应特性。感受野显示导致增强或抑制尖峰活动的刺激参数的区域,从而允许研究处理复杂声音的相互作用。从麻醉猫的神经记录中获得响应于动态移动波纹(DMR)刺激的尖峰响应。DMR声音包含幅度和频率调制,并允许系统地映射神经偏好。优选地激发神经元的刺激包络的相关性可以与尖峰触发的协方差映射。分别针对每个频率载波(跨越0-5.5倍频程的范围)计算DMR包络的尖峰触发平均值和协方差。这使得能够研究声音包络的处理,并调查非线性是否在神经元的首选频率比在其他频率更明显。我们发现,超过一半的神经元(n=120)显示出显着的非线性响应特性,至少在一个频率载波。非线性在神经元的最佳频率处占主导地位。非线性偏好可以具有与线性偏好相同或相反的时间感受野模式(例如开-关)。因此,这些非线性似乎与特定类型的神经元无关,而是ICC神经元所固有的,表明了不同范围的滤波特性。
2020-05-05 q-bio.NC
Learning quadratic receptive fields from neural responses to natural stimuli
具有复杂时空相关结构的神经刺激响应模型通常假设神经元仅对潜在高维输入的少量线性投影具有选择性。在这里,我们探讨最近的建模方法,神经响应取决于二次型的输入,而不是其线性投影,也就是说,神经元是敏感的本地协方差结构的信号之前的尖峰。为了推断这种二次依赖存在的任意(如自然)刺激分布,我们回顾了几种推理方法,特别是集中在两个信息理论为基础的方法(刺激能量或噪声熵的最大化)和基于似然性的方法(贝叶斯尖峰触发协方差,广义线性模型的扩展)。我们分析了基于可能性和基于信息的方法之间的正式联系,以展示它们如何导致一致的推理。我们证明了这些程序的实际可行性,通过使用模型神经元响应闪烁的方差刺激。
2012-09-01 q-bio.NC
Critical Limits in a Bump Attractor Network of Spiking Neurons
凸点吸引子网络是一种实现从与输入源相关的尖峰模式出现的竞争性神经元过程的模型。由于凹凸网络可以表现在许多方面,本文探讨了一些关键的限制参数空间使用各种积极和消极的权重和输入尖峰源的大小增加bumpattractor网络的神经形态模拟表明,它表现出一个固定的,分裂和发散的尖峰模式,在不同的权重和输入窗口。在确定尖峰训练模式的分裂或发散行为以及在定义最小发射条件时,正权重值和负权重值之间的平衡是重要的。
2020-03-30 cs.NE nlin.PS q-bio.NC
A Neural Network Based Automated IFT-20 Sensory Neuron Classifier for Caenorhabditis elegans
确定成像数据中的神经元身份是神经科学中的一项重要任务,有助于比较生物体之间的神经活动。跨生物体的比较,反过来,使各种各样的研究,包括功能网络的全脑分析和特定神经元的活动与行为或环境刺激的联系。最近开发的三维,泛神经元成像与单细胞分辨率内秀丽隐杆线虫带来了神经元识别,跟踪和活动监测都触手可及。线虫C.由于其透明性和熟知的神经系统等因素,秀丽隐杆线虫经常被用作研究神经元活动的模式生物。高精度神经元识别的主要障碍是成年C。elegans,神经元细胞体的位置不是固定的。解决这个问题的现有方法使用遗传编码标记作为额外的识别特征。例如,NeuroPAL菌株使用多色荧光报告基因。然而,由于过度转基因的负面影响,这种方法的使用有限。在这项研究中,我提出了一种替代的神经元识别技术,只使用单色荧光图像。我设计了一个新颖的基于神经网络的分类器,它使用迭代的、基于地标的神经元识别过程来自动标记感觉神经元,该过程受到人类采用的手动注释程序的启发。这个设计标记了C中的感觉神经元。elegans,准确率为91.61%。
2022-10-24 cs.LG q-bio.NC
Finite size effects for spiking neural networks with spatially dependent coupling
我们研究了在一个网络的尖峰确定性神经元耦合非均匀突触耦合有限大小的波动。我们推广了以前开发的理论,有限大小的影响,统一的全球耦合神经元。在均匀的情况下,平均场理论是通过在网络中的神经元数量趋于无穷大时对网络进行平均来定义的。然而,对于非均匀耦合,如果我们对网络中特定位置的波动感兴趣,则不再可能在整个网络上进行平均。我们表明,如果耦合函数接近一个连续的功能,在无限大的系统尺寸限制,然后平均在一个局部邻域可以定义,这样的平均场理论是很好地定义为一个空间相关的字段。然后,我们推导出一个扰动展开的逆系统的大小周围的平均场限制的输入的神经元(突触驱动器)的协方差和发射率波动由于动态确定性有限大小的影响。
2018-11-30 q-bio.NC
Evolving spiking neuron cellular automata and networks to emulate in vitro neuronal activity
神经启发的模型和系统在非传统计算中具有巨大的应用潜力。通常,生物神经元的机制在模拟或物理系统中被建模或模仿,以试图利用大脑的一些计算能力。然而,在神经系统中起作用的生物机制是复杂的,难以捕捉和设计;因此,转向数据驱动的方法将神经行为的特征转移到人工基质上会更简单。在本研究中,我们使用了进化算法(EA),以产生尖峰神经系统,模仿生物神经元在体外的行为模式。这种方法的目的是开发一种方法,生产能够表现出复杂的行为,可能适合用作计算基板的模型。我们的模型能够产生一定程度的网络范围内的同步,并显示出一系列行为,这取决于用于其进化的目标数据,这些数据来自一系列神经元培养密度和成熟度。表现最好的模型的基因组表明,模型中连接的兴奋性和密度在决定所产生活动的复杂性方面起着重要作用。
2021-10-15 cs.NE q-bio.NC
Large Deviation Theory for Parameter Estimation in Simple Neuron Models
为了研究受到小的随机扰动的生物神经元的复杂动力学,我们可以使用随机神经元模型。虽然已经开发了许多技术来研究这些模型的特性,但(预期)首次通过时间或(E)FPT的分析仍然很困难。在这篇论文中,我应用大偏差理论(LDT),这是已经建立在物理学和金融学,以确定的问题的EFPT的均值回复的Ornstein-Uhlenbeck过程(EFPT)。该建模过程实例化了随机泄漏积分和激发模型,因此作为生物启发的数学神经元模型的一个例子。我得出了几个经典的结果,使用更简单的数学比原来的出版物从神经科学,我提供了一些可以想象的解释和观点,这些推导。利用这些结果,我探讨了一些可能的应用参数估计,我提供了一个额外的数学理由使用泊松过程作为一个小噪声近似的完整模型。最后,我进行了几个模拟来验证这些结果,并揭示了系统偏差的估计。
2017-07-14 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
Generalized activity equations for spiking neural network dynamics
在揭示尖峰神经网络的计算能力方面已经取得了很大的进展。然而,与速率神经元相比,尖峰神经元的模拟成本总是更高,因为时间尺度的固有差异-尖峰持续时间比尖峰间时间短得多,而尖峰间时间比任何学习时间尺度都短得多。在数值分析中,这是一个经典的刚性问题。尖峰神经元也更难以分析研究。使尖峰网络更易于处理的一种可能方法是用一些关于尖峰相关性的信息来增强平均场活动模型。例如,这样的广义活动模型可以自洽地携带关于尖峰速率和尖峰之间的相关性的信息。在这里,我们将展示如何通过构建网络的完整正式概率描述,然后围绕一个小参数(如网络中神经元数量的倒数)展开来实现这一点。系统的平均场理论给出了类速率描述。微扰展开中的一阶项保持跟踪协方差。
2013-10-30 q-bio.NC
A Mean-Field Method for Generic Conductance-Based Integrate-and-Fire Neurons with Finite Timescales
本文扩展Fokker-Planck方法,利用Fox理论构建有效方程,在无需调整自由参数的情况下,求解通用电导型Integrate-and-Fire神经元在有色与乘性噪声下的传递函数,并准确重现模拟神经元的发放率行为。
2023-05-24 q-bio.NC
Information capacity of a network of spiking neurons
我们研究了一个模型的尖峰神经元,与经常性的连接,从学习一组时空模式与尖峰时间依赖的可塑性规则和全球抑制。我们研究了网络存储和选择性地重放多种尖峰模式的能力,结合了空间种群和尖峰相位代码。模式中的每个神经元由确定神经元在模式中是否活动的二进制变量和表示活动单元之间的尖峰定时顺序的相位滞后变量来表征。在学习阶段之后,我们研究了由短暂的线索刺激引起的网络的动力学,并验证了网络能够选择性地正确和持久地重放模式。我们计算网络的信息容量,定义为网络中可以编码的模式的最大数量乘以每个模式所携带的比特数,通过突触的数量进行归一化,并发现它可以达到一个值$α_\text{max}\simeq 0.27$,类似于序列处理神经网络,几乎是静态Hopfield模型容量的两倍。我们研究了容量与全局抑制、连接强度(或神经元阈值)和参与模式的神经元比例的关系。结果表明,双种群和时间编码可以是最佳的联想记忆容量。
2019-11-24 cond-mat.dis-nn q-bio.NC
Conditions for wave trains in spiking neural networks
在神经活动的记录中经常观察到诸如行波的时空模式。产生这种模式的机制在很大程度上是未知的。以前的研究已经使用神经场模型(神经网络动力学的现象学粗粒度描述)研究了不同类型的波或活动颠簸的存在性和唯一性。但目前尚不清楚这些见解如何转移到更具有生物学现实性的尖峰神经元网络中,其中单个神经元不规则地放电。在这里,我们采用平均场理论,以减少泄漏的集成和消防(LIF)神经元的距离依赖连接到一个有效的神经场模型的微观模型。与现有的现象学描述相反,在这个神经场模型中的动态依赖于突触输入的均值和方差,两者都决定了所产生的有效耦合内核的幅度和时间结构。对于神经场模型,我们采用线性稳定性分析,推导出空间和时间振荡和波列,即时间和空间周期性行波的存在条件。我们首先证明,波列不能发生在一个单一的同质人口的神经元,无论形式的距离依赖的连接概率。与皮层神经网络的架构兼容,波列出现在兴奋性和抑制性神经元的两个群体网络中,作为延迟诱导的时间振荡和空间振荡的组合,由于距离依赖的连接配置文件。最后,我们证明了定量协议之间的预测的分析听话的神经场模型和数值模拟的非线性率为基础的单位和网络的LIF神经元。
2019-09-23 math.DS q-bio.NC
Integrating Statistical and Machine Learning Approaches to Identify Receptive Field Structure in Neural Populations
Boston University(波士顿大学);Brandeis University(布兰迪斯大学)
神经元可以同时编码多个变量,神经科学家通常对基于神经元的感受野特性对神经元进行分类感兴趣。统计模型为确定影响神经发放活动的因素和对单个神经元进行分类提供了强有力的工具。然而,随着神经记录技术的发展,可以从大量人群中同时产生尖峰数据,经典的统计方法往往缺乏处理这些数据所需的计算效率。机器学习(ML)方法以实现高效的大规模数据分析而闻名;然而,它们通常需要具有平衡数据的大量训练集,以及准确的标签以适应良好。此外,ML的模型评估和解释通常比经典统计方法更具挑战性。为了解决这些挑战,我们开发了一个综合框架,结合统计建模和机器学习方法来识别来自大种群的神经元的编码特性。为了证明这一框架,我们应用这些方法的数据从一个人口的神经元记录从大鼠海马的空间感受野的分布特征在这个地区。
2022-10-27 cs.LG q-bio.NC
Self-organization of microcircuits in networks of neurons with plastic synapses
与简单的随机网络模型相比,皮层网络的突触连接具有某些布线图案的过度表达。这种结构的形成,部分是由突触可塑性,促进或抑制神经元之间的连接,这取决于他们的尖峰活动。通常,理论研究集中在前馈输入如何驱动可塑性以创建这种网络结构。我们研究了循环网络中自组织结构的互补性情景,其中尖峰时间依赖的可塑性由自发动力学驱动。我们开发了一个自洽的理论,描述了网络结构的演变相结合的快速尖峰协方差与突触权重动态的快-慢理论。通过网络动力学的有限尺寸扩展,我们得到了一组低维的非线性微分方程的两个突触连接图案的演变。有了这个理论在手,我们探讨了可塑性规则的形式如何驱动皮层网络中微电路的演变。当增强和抑制处于近似平衡时,突触动力学依赖于加权发散、收敛和链基序的频率。对于加法,赫布STDP,这些基序相互作用在突触动力学中产生不稳定性,从而促进或抑制初始网络结构。我们的工作提供了一个一致的理论框架,研究如何在循环网络的尖峰活动与突触可塑性相互作用,以确定网络结构。
2014-12-20 q-bio.NC
Rapid Changes in Synchronizability in Conductance-based Neuronal Networks with Conductance-based Coupling
本文将主稳定函数方法扩展到基于电导耦合的 Morris-Lecar 神经元网络,揭示反转电位对同步稳定性的决定性作用及兴奋/抑制转变的快速性,并发现抑制性连接在特定耦合强度下会出现同步性岛屿。
2023-09-20 q-bio.NC
The PSPACE-hardness of understanding neural circuits
在神经科学中,理解神经回路功能的一个重要方面是确定回路中的哪些神经元(如果有的话)对神经回路所控制的生物行为至关重要。类似的问题是确定给定的一小组神经元是否足以显示行为,即使电路中的所有其他神经元都被停用。这样的神经元子集形成了被研究行为的所谓退化回路。实验技术的最新进展为研究人员提供了以非常高的分辨率激活和失活神经元子集的工具,即使在活体动物中也是如此。从这样的实验中收集的数据可以是以下形式:当给定的神经元子集被停用时,是否观察到所研究的行为?这种设置导致的算法问题,确定最小的重要或退化的神经元集时,作为输入的神经回路的描述。算法问题需要弄清楚哪些神经元子集应该被扰动(激活/去激活),然后使用来自这些扰动的数据来确定最小的生命或退化集。鉴于大量可能的扰动,以及神经回路的循环性质,在这种方法中组合爆炸的可能性已经在生物学和神经科学文献中被认识到。在本文中,我们证明了问题的最小或最小尺寸的退化集,并找到一组重要的神经元,神经回路作为输入,实际上是PSPACE困难的。更重要的是,我们证明了我们的硬度结果表明,一个更简单的问题,模拟这样的神经电路,本身是PSPACE硬。
2020-06-23 cs.CC cs.DM q-bio.NC
Using noise to probe recurrent neural network structure and prune synapses
大脑中的许多网络连接稀疏,大脑在发育和学习过程中消除了突触。大脑如何决定哪些突触要修剪?在递归网络中,确定两个神经元之间突触的重要性是一个困难的计算问题,这取决于两个神经元所扮演的角色以及它们之间所有可能的信息流路径。噪音在神经系统中无处不在,通常被认为是一种需要克服的刺激物。在这里,我们认为噪音可以在突触修剪中发挥作用,使大脑能够探测网络结构并确定哪些突触是多余的。我们构建了一个简单的、局部的、无监督的可塑性规则,该规则仅使用突触权重和邻近神经元的噪声驱动协方差来加强或修剪突触。对于一个子集的线性和整流线性网络,我们证明了这一规则保留了原始矩阵的频谱,从而保持网络动态,即使当修剪突触的分数渐近接近1。可塑性规则在生物学上是合理的,并可能表明噪声在神经计算中的新作用。
2021-07-16 cs.NE q-bio.NC
Mesoscopic organization reveals the constraints governing C. elegans nervous system
生物学中最大的挑战之一是了解神经元在细胞水平上的活动,作为它们相互作用的结果,如何导致生物体对各种环境刺激做出反应的观察行为。研究神经系统中的中间或中观层次的组织是理解微观层次动力学的整合如何导致宏观层次功能的重要一步。在本文中,我们考虑了线虫线虫的体神经系统,其中整个神经元连接图是已知的。我们专注于将系统组织成模块,即,与整个网络的连接密度相比,神经元组具有相对较高的连接密度。我们表明,这种介观特征不能完全用考虑因素来解释,例如优化资源约束(即,总布线成本)和通信效率(即,网络路径长度)。与其他为有效传输(信号或资源)而设计的复杂网络相比,神经网络形成了一个独特的类别。这表明网络的主要功能,即,导致适当的运动反应的感觉信息的处理可能在确定连接拓扑中起着至关重要的作用。本文利用模谱分析方法,阐明了神经系统中功能与结构的密切关系。通过纯粹基于模块内和模块间连接的模式来识别功能关键神经元,进一步证明了这一点。我们的研究揭示了神经系统的设计如何反映了几个限制,包括其作为信息处理器的关键功能角色。
2010-03-08 cond-mat.dis-nn physics.bio-ph q-bio.NC
A study of dependency features of spike trains through copulas
尽管统计和机器学习技术取得了进步,但许多神经元的同时记录隐藏了重要信息,并且表征网络的连接通常仍未被发现。从数据中识别神经元之间的直接联系仍然是一个尚未完全解决的问题。为了扩大用于检测底层网络结构的工具的数量,我们在这里提出使用copula,继续我们在[1]中开始的研究方向。在这里,我们调整它们的使用来区分非常简单的网络上的不同类型的连接。我们的建议包括选择合适的随机间隔对穗列车确定其copula的形状。我们表明,这种方法可以检测不同类型的依赖关系。我们说明了所提出的方法的功能,从适当连接的网络直接连接或周围的网络影响的两个或三个正式的神经元的合成数据。我们展示了如何一个聪明的选择对随机时间与经验copula的使用,可以区分直接和非直接的相互作用。
2019-03-20 q-bio.NC stat.AP
Compact Dynamical Mean-Field Theory of Oscillator Networks
University of Washington(华盛顿大学)
本文提出了一种紧凑的动力学平均场理论,用于描述大规模耦合相振子网络的动力学行为,结合相干平均场耦合和淬火随机性,推导出单振子随机方程,并展示其在神经元模型中的应用。
2026-03-10 cond-mat.dis-nn nlin.CD q-bio.NC
Neural Ideals in SageMath
神经科学研究的一个主要领域是研究大脑如何处理空间信息。大脑中的神经元通过神经代码代表外部刺激。这些代码通常来自于刻板的刺激-反应图,将每个神经元与凸形感受野相关联。一个重要的问题在于确定什么样的刺激空间特征可以直接从神经代码中提取。神经理想是对神经代码的全部组合数据进行编码的代数对象。这种理想可以用一种规范形式来表达,它直接转化为代码固有的感受野结构的最小描述。在这里,我们描述了一个SageMath包,其中包含与神经理想的标准形式相关的几个算法。
2016-09-30 math.AC q-bio.NC
Predictable Mean-Field Chaos in Random Recurrent Neural Networks
The Hebrew University of Jerusalem(耶路撒冷希伯来大学)
本文证明在解析非线性且傅里叶衰减足够快的随机循环网络中,平均场轨迹的过去唯一决定其未来,从而将平均场理论从系综描述转化为单个轨迹的条件预测理论,并引入Krylov增长刻画预测复杂度。
2026-08-18 cond-mat.dis-nn q-bio.NC