Coupling-Induced Population Synchronization in An Excitatory Population of Subthreshold Izhikevich Neurons
我们认为一个兴奋的人口阈下Izhikevich神经元表现出噪声诱导的放电。通过改变耦合强度$J$，我们调查人口同步之间的噪音引起的放电，可用于有效的认知处理，如感官知觉，多感官绑定，选择性注意，和记忆的形成。随着$J$的增加，丰富类型的群体同步（例如，尖峰、突发和快速尖峰同步）。用序参量$\cal{O}$很好地描述了种群同步和不相干之间的过渡。作为最后一步，耦合导致振荡器死亡（噪声诱导尖峰的猝灭），因为每个神经元都被吸引到噪声平衡状态。振荡器死亡导致从点火状态到非点火状态的转变在人口水平，这可以很好地描述在时间平均的人口尖峰率$\overline{R}$。除了使用$\cal{O}$和$\overline{R}$的运动力学分析之外，还通过使用非线性动力学技术（例如神经尖峰的光栅图、膜电位的时间序列和相图）来表征每个群体和个体状态。我们注意到，人口同步的噪音引起的放电可能会导致出现同步的脑节律在嘈杂的环境中，与不同的认知功能。
2014-03-05 physics.bio-ph q-bio.NC
How adaptation currents change threshold, gain and variability of neuronal spiking
许多类型的神经元表现出由内在慢$\mathrm{K}^+$ -电流介导的尖峰频率适应，其有效地抑制神经元响应。然而，这些自适应电流如何改变体内波动突触输入、尖峰速率输出和脉冲序列统计之间的关系还没有很好地理解。在这项计算研究中，我们表明，适应电流，主要取决于阈下膜电压的变化，神经元的输入-输出关系（I-O曲线）减法，从而增加了响应阈值。尖峰相关的自适应电流会分别改变I-O曲线，从而降低响应增益。这两种类型的适应电流自然地增加平均峰间间期（ISI），但它们可以以相反的方式影响ISI的变异性。亚阈值电流总是导致可变性的增加，而尖峰触发电流降低由波动主导的输入引起的高可变性，并且在平均输入较大时增加低可变性。对I-O曲线的影响与具有异步不规则活动的网络中的突触抑制所引起的影响相匹配，为此，我们分别发现由外部抑制和复发性抑制引起的消减和分裂变化。然而，突触抑制总是增加ISI的变异性。我们解析推导出表达式的I-O曲线和ISI的变化，这表明我们的结果的鲁棒性。此外，我们将展示如何生物物理参数的慢$\mathrm{K}^+$ -电导有助于两种不同类型的适应电流，并发现，$\mathrm{Ca}^{2+}$激活的$\mathrm{K}^+$ -电流被有效地捕获由一个简单的尖峰依赖的描述，而毒蕈碱敏感或$\mathrm{Na}^+$激活的$\mathrm{K}^+$ -电流显示出占主导地位的亚阈值组…
2013-11-07 q-bio.NC
Analysis and Modelling of Subthreshold Neural Multi-electrode Array Data by Statistical Field Theory
多电极阵列（MEA）越来越多地用于研究自发神经网络活动。记录的信号包括几个不同的组成部分：除了没有生物学意义的伪影，可以区分尖峰（动作电位）和阈下波动（局部场电位）。在这里，我们的目标是开发一个理论模型，允许在两个空间和一个时间维度的高斯统计场理论的一个紧凑和强大的表征亚阈值波动。在统计物理学的背景下通常被称为驱动噪声的东西在这里被解释为神经活动的表示。这种活动的空间和时间相关性提供了有关神经组织连接性的有价值的信息。我们将我们的方法应用于从大鼠急性海马脑切片中的MEA测量获得的数据集。我们的主要发现是，经验相关函数确实服从对数的行为，这是一个普遍的特点，这种理论模型。我们还发现了一个明确的活动和尖峰的发生之间的相关性。另一个重要的见解是在进行分析之前正确地从数据中分离出某些伪影的重要性。
2017-03-30 cond-mat.stat-mech q-bio.NC
Noise-assisted spike propagation in myelinated neurons
我们考虑噪声辅助的棘波传播的有髓轴突内的多室随机Hodgkin-Huxley模型。噪声来源于朗维尔的每个节点中的有限数量的离子通道。对于亚阈值结间的电耦合，我们表明，（i）固有噪声消除了尖锐的定义的阈值从节点到节点的尖峰传播，和（ii）存在一个最佳数量的离子通道，允许最有效的信号传播，它对应于实际的生理值。
2008-11-20 q-bio.NC
Fluctuation-response relations and response-response relations for membrane voltage and spike train of stochastic integrate-and-fire neurons
本文扩展了随机积分-发放神经元的涨落-响应关系，推导出阈下膜电压功率谱与敏感性的显式表达式，并提出脉冲序列与膜电压之间的响应-响应关系，适用于更一般的模型设置。
2025-03-10 q-bio.NC
Heterogeneity-Induced Inhibitory Coherence in An Ensemble of Subthreshold and Suprathreshold Type-I Neurons
我们研究抑制相干性（即，通过突触抑制的集体一致性）在全局耦合的I型神经元的集合中，所述I型神经元可以以任意低的频率激发。在仅由阈下神经元（在没有噪声的情况下不能自发放电）组成的均匀系综中没有观察到抑制性相干性。通过增加阈上神经元（自发放电）的分数$P_{supra}$，异质性诱导的抑制一致性研究在一个异质的阈下和阈上神经元的合奏。当$P_{supra}$通过阈值$P_{supra}^*$时，阈上神经元开始同步化，并发挥相干抑制剂的作用，用于抑制相干的出现。因此，规则振荡的系综平均整体势出现为$P_{supra} > P_{supra}^*$。对于这种相干的情况下，阈上神经元表现出相干的混合模式振荡，具有快速的阈下（小幅度）跳跃频率和较低的尖峰频率。稀疏同步阈上神经元通过其相干抑制阈下神经元的噪声活动。因此，只有连贯的阈下跳跃出现在阈下神经元的个体电位中。我们还描述了抑制性的一致性方面的“机械”尖峰为基础的措施和相关性为基础的，并发现，抑制性的一致性的程度随着增加$P_{supra}$为$P_{supra} > P_{supra}^*$。最后，简要讨论了突触连接的稀疏随机性对抑制一致性的影响以及异质性引起的抑制一致性的普遍性。
2011-10-29 physics.bio-ph q-bio.NC
Harmonic fractal transformation for modeling complex neuronal effects: from bursting and noise shaping to waveform sensitivity and noise-induced subthreshold spiking
Navigation street, Birmingham, UK, B5 4AA（英国伯明翰90号导航街）
提出首个分形频率映射，通过输入频谱的分形重组激发共振频率尖峰，实现高灵敏度、抗噪及噪声诱导放大，揭示神经元功能为非线性频率域上的线性叠加。
2025-08-07 cs.LG cs.NE q-bio.NC
Convolution Metric for Neuron Membrane Potential Recordings
我提供了一个卷积度量，它将神经膜电位记录作为参数，并比较它们的阈下特征以及其中尖峰的时间和数量--用记录之间的单个“距离”总结这些差异。基于van Rossum 2001年对脉冲序列的度量，该度量依赖于它对输入数据执行的卷积运算。用于卷积的内核是精心选择的，使得它产生期望的频率空间响应，并且与van Rossum的内核不同，导致度量在附近的尖峰时间之间的差异和在相同时间的膜电位值之间的差异上都是一阶的：这是一个重要的特征。31页，4位数字。
2014-09-08 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
The information transmitted by spike patterns in single neurons
据报道，尖峰模式在几个大脑区域编码感官信息。在这里，我们通过比较不同选择的读出神经字母表传输的信息量来评估特定模式在神经代码中的作用。这使我们能够根据可以从中提取的信息量对几个备选字母进行排名。因此，人们可以识别出构成代码中最突出成分的特定模式。最后，我们讨论的相互作用的分类和时间信息的协同或冗余的神经代码的量。
2009-12-11 q-bio.NC q-bio.QM
Emergence of spike correlations in periodically forced excitable systems
在感觉神经元中，噪声的存在可以促进对携带信息的微弱信号的检测，这些信号通过相关的尖峰序列进行编码和传输。在这里，我们调查的相对时间顺序的尖峰序列引起的亚阈值周期性输入，在存在高斯白噪声。为了模拟棘波，我们使用FitzHugh-Nagumo模型，并研究棘波间隔（ISI）的输出序列，我们使用序数分析的符号方法。我们发现不同类型的相对时间顺序，在优选的顺序模式，这取决于两者的形式，噪声的强度和输入信号的周期。我们还展示了一个类似共振的行为，作为某些周期和噪声水平增强ISI序列中的时间顺序，最大限度地提高首选模式的概率。我们的研究结果可能是相关的理解时间编码，通过单一的感觉神经元代表在穗序列的信息弱周期性刺激的机制。
2016-03-09 nlin.CD physics.data-an q-bio.NC
Learning of Precise Spike Times with Membrane Potential Dependent Synaptic Plasticity
神经元动作电位的精确时空模式是例如感觉表征和肌肉活动控制的基础。然而，尚不清楚大脑神经元网络中的突触功效如何适应，使得它们能够在特定时间点可靠地产生尖峰。现有的活动依赖的可塑性规则，如尖峰时间依赖的可塑性是不可知的学习尖峰时间的目标。另一方面，现有的正式和监督学习算法执行预测活动与目标的时间上精确的比较，但没有已知的生物学上合理的实现这种比较。在这里，我们提出了一个简单的和局部的无监督的突触可塑性机制，是来自于平衡的膜电位的要求。由于突触变化的相关信号是突触后电压而不是尖峰时间，我们称之为可塑性规则膜电位依赖可塑性（MPDP）。将我们的可塑性机制与尖峰后超极化相结合，导致突触变化对突触前和突触后尖峰时间的敏感性，这可以再现实验中发现的抑制性突触的Hebbian尖峰时间依赖可塑性。此外，当产生尖峰时，MPDP对电压的时间过程的敏感性允许MPDP区分弱（假）尖峰和强（教师）尖峰，这因此为实际和目标活动的比较提供了神经元基础。对于时空输入尖峰模式，我们概念上简单的可塑性规则实现了令人惊讶的高存储容量的尖峰协会。MPDP在训练过程中对阈下膜电位的敏感性允许在学习后即使在存在被噪声破坏的活动的情况下也进行鲁棒的记忆检索。
2015-02-23 q-bio.NC
Effect of Spike-Timing-Dependent Plasticity on Stochastic Burst Synchronization in A Scale-Free Neuronal Network
我们考虑一个兴奋性人口的阈下Izhikevich神经元，不能火自发无噪声。当耦合强度超过阈值时，单个神经元表现出噪声诱导的爆发。这种神经元群体具有由尖峰定时依赖可塑性（STDP）控制的自适应动态突触强度。在没有STDP的情况下，噪声诱导的阈下神经元突发之间的随机突发同步（SBS）以前被发现发生在大范围的中间噪声强度。在这里，我们研究了添加剂STDP对SBS的影响，通过改变噪声强度$D$的Barabási-Albert无标度网络（SFN）的对称优先连接的情况下。这种类型的SFN表现出幂律度分布，因此它变成具有几个“枢纽”的非均匀SFN（即，超级连接节点）。发现突触可塑性中“马太”效应的发生是由于正反馈过程。好的突发同步通过突触强度的长时程增强（LTP）变得更好，而坏的突发同步通过长时程抑制（LTD）变得更糟。因此，通过改变$D$，发生向SBS的阶梯状快速转变，与不存在STDP时相对平滑的转变相反。在添加剂STDP的存在下，我们还研究了网络结构对固定$D$的SBS的影响。突触强度的LTP和LTD的出现详细研究通过微观研究的基础上的前和突触后神经元的爆发开始时间之间的时间延迟的分布和突触前和突触后的IIBR（瞬时个别爆发率）之间的配对相关性。最后，一个乘法STDP的情况下（取决于状态）也进行了研究，在比较添加剂STDP的情况下（独立的状态）。
2017-11-27 physics.bio-ph q-bio.NC
Firing statistics in the bistable regime of neurons with homoclinic spike generation
有规律放电的神经元的神经元电压动力学通常有一个稳定的吸引子：固定点（如在阈下状态）或限定动作电位的强直放电的极限环（在阈上状态）。然而，在已知引起全或无类型动作电位的三个尖峰起始分叉序列中的两个中，静息状态不动点和极限环尖峰可以共存于中间状态，从而导致双稳态动力学。这里，噪声可以引起吸引子之间的切换，即，之间的休息和尖峰，并因此增加了脉冲序列的变化相比，只有一个稳定的吸引神经元。由此产生的尖峰统计的定性特征取决于尖峰发作分叉。本研究的重点是通过鞍同宿轨道（HOM）分岔的尖峰极限环的创建，并推导出基于电导的神经元模型在双稳态制度的峰间期（ISI）密度。双稳态同宿神经元的ISI密度是单峰的，但不同于与鞍结不变环（SNIC）分叉相关的逆高斯分布。它表明，HOM分叉之间的过渡休息和尖峰主要是确定沿下行的动作电位-一个动态的功能，是不被常用的复位神经元模型捕获。推导出的尖峰统计量可以帮助识别实验数据中的HOM动力学。
2020-10-06 q-bio.NC
Bayesian Inference with Spiking Neurons
人类和其他动物的行为就像我们在不确定的感觉数据下执行快速的贝叶斯推断和运动控制。在这里，我们表明，一个单一的神经元的阈下膜电位的生物病理学现实的模型可以准确地计算贝叶斯规则推断的泊松参数的感觉脉冲序列的分子。一个简单的尖峰神经元网络可以构建和表示影响泊松参数的外部原因的参数的贝叶斯后验密度，准确和实时。
2014-06-19 q-bio.NC
Effects of spike-triggered negative feedback on receptive-field properties
感觉神经元通常用感受野来描述，也就是说，一个线性核，通过它在刺激被进一步处理之前过滤刺激。如果假设信息传递以前馈级联方式进行，则感受野可以被解释为使神经元输出最大化的外部刺激的轮廓。然而，神经系统包含许多反馈回路，感觉神经元过滤的电流比代表转导的外部刺激的电流多。一些额外的电流是由神经元本身的输出活动产生的，因此构成反馈信号。通过对输入/输出变换的时频分析，我们展示了反馈如何改变感受野。该模型适用于各种类型的反馈过程，从尖峰触发的内在电导抑制突触输入附近的神经元。我们区分内在感受野（过滤所有输入电流）和有效感受野（仅过滤外部刺激）。而内在感受野概括了与阈下整合和尖峰产生相关的神经元的生物物理特性，只有有效感受野可以被解释为使神经元输出最大化的外部刺激的轮廓。我们证明了尖峰触发反馈将低通滤波向带通处理转移，将积分器神经元转化为谐振器。对于强反馈，可能出现光谱神经元选择性的尖锐共振。我们的研究结果提供了一个统一的框架来解释以前的实验研究，其中特定的反馈机制被证明可以修改神经元的过滤特性。
2015-03-10 q-bio.NC
Coding Strategies in Monkey V1 and Inferior Temporal Cortices
我们很想知道神经元响应的统计数据是否在不同的皮层区域有所不同。我们研究了刺激引起的尖峰计数反应分布在清醒的猴子V1和IT皮层。在这两个领域的分布尖峰计数为每个刺激是很好地描述了高斯，与尖峰计数线性相关的平均尖峰计数的日志的方差的日志。两个显着差异的反应特性：尖峰计数的范围和斜率的对数（方差）与对数（平均值）回归V1比IT。然而，在这两个领域的神经元传输大约相同数量的信息的刺激，并有相同的信道容量（最大可能的传输信息的响应中的噪声）。这些结果表明，V1神经元在更大的动态范围内使用更多的可变信号，而IT神经元在更小的动态范围内使用更少的可变信号。这两种编码策略在传递信息方面的效果大致相同。
1998-04-09 q-bio.NC
Perfect spike detection via time reversal
神经元放电网络的模拟主要有三种方案：经典的时间驱动和事件驱动方案，以及最近的混合方案。所有这三种方案都通过一系列检查点来进化神经元的状态：第一种方案是等间距的，后两种方案是由尖峰事件决定的。时间驱动和混合方案确定神经元的膜电位是否在连续检查点之间的时间间隔结束时越过阈值。然而，即使该测试为阴性，也可能在间隔内发生阈值交叉。因此，可能会错过尖峰。目前的工作推导，实现和基准测试的方法完美的回顾性尖峰检测。该方法可应用于具有仿射或线性亚阈值动力学的神经元模型。该方法背后的想法是用时间反转的动力学来传播阈值，测试阈值是否穿过要进化的神经元状态，而不是相反。从代数上讲，这转化为一组必要且充分的不等式。该测试比不完美测试慢，但比基于二分法或寻根法的另一种完美测试快。比较证实了早期的结果，即在生物学相关设置中，不完美测试很少错过尖峰（少于错过尖峰的一部分$1/10^8$）。这项研究提供了一个替代的神经元动力学的几何观点。
2017-06-18 math.DG physics.bio-ph q-bio.NC
Constructing precisely computing networks with biophysical spiking neurons
虽然尖峰时间已被证明携带详细的刺激信息在感觉外围，其可能的作用在网络计算是不太清楚。大多数神经网络的计算模型都是基于群体放电率的。在等效尖峰发放实现中，假设激发是随机的，使得跨神经元群体的平均恢复基于速率的方法。然而，最近Denéve及其同事提出，神经元的尖峰行为可能是神经元网络计算的基础，精确的尖峰时间由每个神经元对产生所需输出的贡献决定。通过假设每个神经元激发以减少网络输出中的误差，证明了线性计算可以由通过瞬时突触进行通信的集成和激发神经元网络进行。然而，这留下了一个可能性，即现实的网络，具有基于电导的神经元，具有亚阈值非线性和生物物理突触的较慢时标，可能不适合这个框架。在这里，我们展示了如何尖峰为基础的方法可以扩展到生物物理学合理的网络。然后，我们表明，我们的网络再现了一些关键功能的皮质网络，包括不规则和泊松样尖峰时间和兴奋和抑制之间的紧平衡。最后，我们讨论了我们的模型的行为如何与网络规模，或从一个更大的计算网络“记录”的神经元的数量。这些结果显着增加了基于尖峰的网络计算方法的生物相容性。
2015-07-16 q-bio.NC
Qualitative changes in spike-based neural coding and synchronization at the saddle-node loop bifurcation
大脑中的信息处理主要依赖于单个神经元的编码特性，尤其是与尖峰产生机制相关。后者取决于静止状态和极限环尖峰之间的过渡点处的分叉类型。编码中突出的质的变化以前被归因于在Bogdanov-Takens（BT）点的这种分叉的特定开关。这项研究揭示了另一个高度相关的，迄今为止被低估的转变点：鞍结环分叉。正如我们所展示的，这种分叉导致了比BT过渡更剧烈的基于尖峰的编码变化。这一结果产生于一个直接的影响的鞍结环分叉上的极限环，因此尖峰动力学，相反的BT分叉，其直接的影响是施加后的亚阈值动力学，因此只有间接涉及到尖峰。我们具体证明了鞍结环分叉（i）普遍发生在具有鞍结不变周期起始分叉的平面神经元模型中，以及（ii）导致系统相位响应曲线的对称性破缺。后者需要在基于事件的信息处理单元（如神经元）中接近最佳的编码和同步特性。鞍结环分叉导致同步范围内的峰值，并提供了一个有吸引力的机制，迄今尚未解决的促进高频率的神经元处理。导出的分叉结构是感兴趣的任何系统，其中的弛豫限制是允许的，如约瑟夫森结和化学振荡器。在实验方面，我们的理论适用于神经细胞的光刺激，并揭示了这些技术可以操纵神经细胞中的各种信息处理特性，而不仅仅是单纯的激活。
2016-11-12 q-bio.NC
Learning with precise spike times: A new decoding algorithm for liquid state machines
有大量证据表明，生物神经网络在神经元产生和传输的尖峰的精确定时中编码信息，这提供了基于速率的编码的几个优点。在这里，我们采用矢量空间制定的脉冲序列序列，并引入一个新的液态机（LSM）网络架构和一个新的前向正交回归算法学习的输入输出信号映射或解码的大脑活动。该算法使用精确的尖峰时间来选择与每个学习任务相关的突触前神经元。我们表明，使用精确的尖峰定时训练的LSM和选择读出神经元导致显着增加的性能上的二进制分类任务，以及在解码神经活动从多电极阵列记录，相比，使用标准的架构和训练方法。
2019-07-13 q-bio.NC
A statistical model for in vivo neuronal dynamics
单神经元模型在计算神经科学中有着悠久的传统。诸如Hodgkin-Huxley模型的详细生物物理模型以及诸如积分激发模型类的简化神经元模型将输入电流与神经元的膜电位相关联。这些类型的模型已被广泛地拟合到输入电流受控的体外数据。然而，这些模型在表征细胞内体内记录时用处不大，因为神经元的输入是未知的。在这里，我们提出了一种新的单神经元模型，其特征在于在体内记录的统计特性。更具体地说，我们提出了一个随机过程，其中阈下膜电位遵循高斯过程，尖峰发射强度非线性地依赖于膜电位以及尖峰历史。我们首先表明，该模型具有丰富的动态剧目，因为它可以捕捉任意的阈下自协方差函数，发射率的适应以及任意形状的动作电位。然后，我们表明，该模型可以有效地拟合数据，而不会过度拟合。最后，我们表明，该模型可用于表征，因此精确地比较各种细胞内在不同的动物和实验条件下的体内记录。
2015-10-23 q-bio.NC
Learning to represent signals spike by spike
神经科学中的一个关键问题是，生物物理现象在哪个层次上产生了功能意义。在大多数脊椎动物系统中，精确的功能是在神经元群体的水平上分配的，而单个神经元被认为是不可靠和冗余的。在这里，我们挑战这种观点，并表明许多单神经元的数量，包括电压，放电阈值，兴奋，抑制和尖峰，获得精确的功能意义时，网络学会传递信息吝啬和精确到下一层。基于神经回路在严格的代谢成本约束下产生精确的群体代码的假设，我们推导出突触可塑性规则，该规则允许网络以最大的准确度表示其随时间变化的输入。我们提供了学习的最佳状态的精确解，并从其输入分布和活动成本预测整个网络的属性。单神经元的变异性和调谐曲线通常在皮层中观察到的学习过程中出现，但矛盾的是，与一个精确的，非冗余的尖峰为基础的人口代码。我们的工作表明，神经回路的运作比以前想象的要精确得多，而且没有一个尖峰是徒劳的。
2017-03-16 q-bio.NC
Theory of localized synfire chain
神经元是一个有噪声的信息处理单位，传统观点认为大脑皮层中的信息是通过神经元的锋电位发射率来传递的。最近的研究表明，通过同质网络的活动传播信号可以传输毫秒保真度，这个模型被称为Synfire链，并提出了空间-时间编码的可能性。然而，更具生物现实性的结构化前馈网络生成空间分布的输入。这就导致了发放时间的差异。这就提出了一个问题，即网络的空间结构如何影响时空尖峰模式的稳定性，以及尖峰包的传播速度。通过建立具有Mexican-Hat型连通性的前馈耦合网络的Fokker-Planck方程，证明了局域化尖峰包的稳定性和多稳定相的存在性，其中均匀尖峰包和局域化尖峰包都是稳定的，依赖于初始输入结构.多稳态阶段使我们能够证明尖峰模式或其自身的信息决定了传播速度。
2004-10-13 q-bio.NC
Characterizing signal encoding and transmission in class I and class II neurons via ordinal time-series analysis
神经元以脉冲序列编码和传输信息。然而，尽管为量化其信息内容作出了努力，但在这方面取得的进展甚微。在这里，我们使用一个非线性的时间序列分析（称为有序分析）的方法来比较统计的尖峰序列所产生的输入信号的神经元模型的莫里斯-Lecar。特别是，我们考虑两种不同的制度的神经元，导致两类的兴奋性：I类，其中的频率-电流曲线是连续的和II类，其中的频率-电流曲线是不连续的。通过将序数分析应用于脉冲间间隔（ISI）序列，我们的目标是（1）研究不同的神经元类型是否可以产生具有相似符号特性的脉冲序列;（2）更深入地理解电（扩散）和兴奋性化学（即，兴奋性突触）耦合具有的特性;以及（3）当小振幅周期性信号被施加到神经元之一时，比较信号特征（振幅和频率）如何在I类和II类神经元以及电或化学耦合的所生成的ISI序列中被编码和传输。我们发现，根据频率，神经元/类和耦合类型的特定组合允许更有效的编码，或更有效的信号传输。
2019-08-05 q-bio.NC
Time Divergence-Convergence Learning Scheme in Multi-Layer Dynamic Synapse Neural Networks
针对双层动态突触神经网络（DSNN），提出了一种新的学习方案--时间发散-收敛（TDC）。DSNN是一种人工神经网络模型，其中突触传递用动态过程建模，神经元之间的信息通过锋电位定时传递。在TDC中，DSNN的层内神经元被训练为将输入脉冲序列映射到称为特征域的更高维度的脉冲序列，并且输出神经元被训练为通过处理层内神经元的尖峰定时来构建期望的脉冲序列。DSNN的性能进行了检查，在一个抖动的尖峰序列分类任务，显示超过92\%的准确性，在分类不同的脉冲序列。DSNN的性能与递归多层神经网络相当，并以22%的裕度超过单层DSNN。突触动力学已被提出作为亚秒时间处理的神经基板，我们可以利用TDC训练DSNN执行不同形式的亚秒时间处理。这里提出的TDC学习在多层DSNN的更深层的突触适应方面是可扩展的。这里提出的DSNN和TDC学习可以用来复制在神经回路和模式识别任务中观察到的处理。
2017-07-25 q-bio.NC
Quantifying impacts of short-term plasticity on neuronal information transfer
已经假设功效的短期变化增强了突触在神经元之间和神经元网络内传递信息的能力。即使在单个神经元之间的连接水平上，直接证实这个简单的猜想也被证明是难以捉摸的。通过结合配对细胞记录，现实的突触建模和信息理论，我们提供的证据表明，短期可塑性不仅可以改善，而且可以减少神经元之间的信息传递。我们专注于一个具体的例子在大鼠新皮层，但我们的结果可能会推广到其他系统。当信息包含在单个尖峰的时间，我们发现，促进，抑郁和恢复影响信息传递的比例后，神经递质释放的概率的影响。当信息仅通过平均尖峰频率传递时，短期可塑性的影响主要取决于目标网络可以区分的尖峰频率范围（其有效动态范围）。我们的研究结果表明，为了有效地传递信息，大脑必须在发育和行为过程中匹配突触类型，编码策略和网络连接。
2012-04-15 cond-mat.dis-nn physics.bio-ph q-bio.NC
Correlation in Neuronal Calcium Spiking: Quantification based on Empirical Mutual Information Rate
神经元群体中神经元相关性的量化有助于我们理解神经编码规则。这种量化还可以揭示神经元如何在正常和疾病条件下编码信息，如阿尔茨海默氏症和帕金森氏症。当神经元通过发送尖峰信号相互通信时，神经元内的钙浓度会固有地发生变化。因此，在钙脉冲序列中将存在相关性，并且它们可能具有异质记忆结构。在这种情况下，钙脉冲序列中互信息率的估计具有重要意义。然而，这样的估计是困难的，与现有的方法，将考虑更长的块收敛，而没有注意到，神经元信息的变化，在短的时间窗口。在此背景下，我们提出了一种更快的方法，利用对钙脉冲序列的记忆结构来量化它们之间共享的互信息。我们的方法已经表现出优越的性能与示例马尔可夫过程以及实验脉冲序列。这种互信息率分析可用于识别正常和异常条件下大群体中神经元行为的特征。
2021-05-07 eess.SP q-bio.NC
Low-dimensional models of single neurons: A review
经典的Hodgkin-Huxley（HH）点神经元动作电位产生模型是四维的。它由四个常微分方程描述的动态膜电位和三个门控变量相关联的瞬态钠和延迟整流钾离子电流。基于电导的HH型模型是经典HH模型的高维扩展。它们包括一些与其他离子电流类型相关的补充状态变量，并且能够描述其他现象，例如亚阈值振荡，混合模式振荡（穿插尖峰的亚阈值振荡），聚类和爆发。在这篇手稿中，我们讨论生物物理学合理的和现象学减少模型，保留生物物理和/或动态描述的HH型模型和产生复杂现象的能力，但有效的尺寸（状态变量）的数量较低。我们描述了几个代表性的模型。我们还描述了系统的和启发式的方法，推导出减少模型的HH型模型。
2023-02-14 math.DS q-bio.NC
An Efficient Method for online Detection of Polychronous Patterns in Spiking Neural Network
多神经元组是用于识别精确的尖峰定时模式的有效结构，但是检测方法是一种低效的多阶段蛮力过程，其在预先记录的模拟数据上离线工作。这项工作提出了一种新的模型，可以捕捉精确的序列的尖峰直接在神经模拟的多聚体模式。在该方案中，每个神经元被分配一个随机化代码，用于在发送尖峰时标记突触后神经元。这就创建了一个保留了突触前活动顺序的多线程代码，当突触后神经元出现尖峰时，可以将其记录在哈希表中。多边形代码是多边形组的子组件，当该组处于活动状态时，它将与其他组件一起出现。我们展示了代表性和模式识别能力的polyclonal代码的方向选择性视觉任务，涉及移动酒吧，这是典型的计算由简单的细胞在皮层中。该算法的计算效率远远超过了现有的多面体群检测方法，非常适合在线检测。
2017-02-20 cs.NE q-bio.NC
Neural coding of a natural stimulus ensemble: Uncovering information at sub-millisecond resolution
我们对感觉世界的认识是由神经元以离散的、相同的脉冲序列编码的，这些脉冲被称为动作电位或尖峰。关于这些尖峰的精确时间与大脑功能的相关程度一直存在争议。我们重新审视这个问题，使用苍蝇视觉系统的运动敏感神经元作为测试用例。新的实验方法使我们能够提供更接近自然的视觉刺激，与苍蝇在自由飞行中遇到的刺激相比，杂技飞行，新的数学方法使我们能够得出关于神经反应的信息内容的更可靠的结论，即使可能的反应集非常大。我们发现，大量的视觉信息表示的细节的脉冲序列在毫秒和亚毫秒精度，即使感觉输入有一个相关时间为~ 60毫秒;不同的模式的尖峰定时代表不同的运动轨迹，和绝对定时的尖峰点，这些轨迹的特定功能，具有高精度。在这些自然条件下，系统继续以更高的光子通量传输更多的信息，即使单个光感受器每秒计数超过一百万个光子，并消除刺激中的冗余以生成更有效的神经代码。
2006-12-29 q-bio.NC q-bio.QM
Burst firing is a neural code in an insect auditory system
各种类型的神经元在高频放电和沉默间隔之间交替。这种现象被称为突发放电。为了分析昆虫系统中的爆发活动，在体内记录了几种不同刺激类型的蚱蜢听觉受体神经元。实验数据表明，突发概率和突发特性的强烈影响的时间调制的声刺激。因此，爆发的趋势不仅由细胞内在过程决定，而且还由它们与刺激时间过程的相互作用决定。我们研究这种相互作用的定量和观察，突发包含一定数量的尖峰发生后不久，刺激偏转的特定强度和持续时间。我们的研究结果表明，一个稀疏的神经代码的刺激的信息是由每突发的尖峰的数量表示，无论详细的interspike-interval结构内的一个突发。这种紧凑的表示不能被解释为一个发射率代码。信息理论分析表明，每个突发的尖峰的数量可靠地传达了关于声音瞬变的幅度和持续时间的信息，而它们的发生时间则由突发开始时间反映。所研究的神经元编码几乎一半的总传输信息的爆发活动。
2008-07-16 q-bio.NC
Estimating common synaptic inputs to spinal motor neurons from motor unit spike trains using openhdemg
Universidade Federal do Rio de Janeiro（里约热内卢联邦大学）；Università di Brescia（布雷西亚大学）；National Technical University of Athens（雅典国立技术大学）
本文利用openhdemg开源框架，系统介绍了从运动单位脉冲序列估计共同突触输入的三种方法（时域、频域和网络信息方法），并提供了参数选择建议和完整工作流程。
2026-06-23 eess.SP q-bio.NC q-bio.QM
Can scale-freeness offset delayed signal detection in neuronal networks?
刺激开始后的第一尖峰潜伏期具有显著的生理相关性。神经元通过将它们的输入转化为尖峰序列来传输信息，而这些尖峰序列的时间对于有效地编码这些信息至关重要。随机过程和神经动力学的不确定性已经被证明会延长第一次反应的时间，这种现象被称为噪声延迟衰减。在这里，我们研究是否霍奇金-赫胥黎神经元与可调强度的内在噪声可能有较短的响应时间，外部刺激刚刚超过阈值，如果放置在一个无标度网络。我们表明，异质性的相互作用网络确实可以消除缓慢的反应，但只有当单个神经元之间的耦合是足够强的。增加平均度也有利于快速响应，但它不如增加耦合强度有效。我们还表明，通过调整外部信号的频率，以及通过阻断一小部分电压门控钠或钾离子通道，可以进一步抵消噪声延迟衰减。对于某些条件下，我们观察到的响应时间取决于固有噪声的强度，表示局部和全局的神经元动力学效应之间的竞争的双峰。
2014-03-26 nlin.AO physics.bio-ph q-bio.NC
Physics-constrained inference of somatic dynamics from dendritic recordings with sparse somatic supervision in weakly coupled two-compartment neuron model
Université Le Havre Normandie（勒阿弗尔诺曼底大学）；The Hudson School of Mathematics（哈德森数学学院）
针对仅树突记录下胞体动力学重建难题，提出受双房室Hodgkin-Huxley模型约束的物理信息神经网络，利用稀疏胞体监督（低至1%时间点）即可恢复尖峰，5%时误差降至约2mV。
2026-09-23 q-bio.NC q-bio.QM
Colored noise and memory effects on formal spiking neuron models
简化的神经元模型捕捉了一般神经元电活动的本质，除了从计算的角度来看，与更高维的模型（如Hodgkin-Huxley模型）相比更有趣之外。在这项工作中，我们提出了一个广义的共振和火灾模型描述的广义朗之万方程，考虑到记忆效应和有色噪声。我们进行了全面的数值分析，以研究所提出的模型的动力学和点过程统计，突出有趣的新功能，如：i）非单调行为（峰结构的出现，通过色噪声特征时间尺度的选择而增强）作为记忆特征时间尺度的函数的变异系数（CV），ii）色噪声引起的CV中的移位，以及iii）由于记忆诱导的阈下振荡而在峰间间隔（ISI）分布中出现和抑制多峰。此外，在噪声诱导的尖峰制度，我们研究如何记忆和色噪声影响的相干共振（CR）现象。我们发现，对于足够长的记忆，CR不仅被抑制，而且CV $\times$噪声强度曲线的最小值，其特征在于CR的存在可能被最大值所取代。上述特征允许将记忆和有色噪声之间的相互作用解释为对神经元变异性的有效控制机制。由于ISI分布中的可变性和非平凡的时间模式在生物细胞中是普遍存在的，我们希望本模型可以用于模拟神经元的真实方面。
2015-05-12 cond-mat.stat-mech q-bio.NC
Fluctuation analysis in nonstationary conditions: single Ca channel current in cortical pyramidal neurons
波动分析是一种方法，它允许测量离子通道的单通道电流，即使它太小而不能直接用膜片钳技术解决。这是电压门控Ca 2+通道（VGCC）的情况。它们存在于所有哺乳动物中枢神经元中，控制突触前递质的释放、突触后信号传导和突触整合。然而，在生理浓度的细胞外Ca 2+中，它们的单通道电流的幅度很小，并且没有很好地确定。但是，测量这个数量是必不可少的估计功能VGCC的膜和通道相关的Ca 2+信号结构域的大小，并了解Ca 2+信号的随机性。在这里，我们记录了VGCC电流在有核补丁从第5层锥体神经元在大鼠新皮层，在生理外部Ca 2+（1-2 mM）。由于VGCC电流的快速下降，传统波动分析所需的电流响应的整体平均被证明是不切实际的。因此，我们开发了一种更强大的方法，使用平均电流拟合的个人电流响应和带通滤波。此外，电压斜坡刺激被证明是有用的。通过对仿真数据的分析，验证了该方法的准确性.在1 mM的外部Ca 2+浓度和-20 mV的膜电位下，我们发现平均单通道电流幅度约为0.04 pA，在2 mM外部Ca 2+时增加至0.065 pA，波动的弛豫时间常数在0.2- 0.12pA的范围内。0.8毫秒。结果是相关的了解树突状细胞的Ca 2+尖峰在新皮层第5层锥体神经元的随机特性。与报告的方法，单通道电流幅度的本地VGCC可以准确地解决，尽管条件不稳定的rundown。
2017-08-29 q-bio.NC
Neuron as a reward-modulated combinatorial switch and a model of learning behavior
本文提出了一种神经元电路布局和突触可塑性的原则，允许（锥体）神经元作为一个“组合开关”。也就是说，神经元学习更倾向于生成尖峰，给定那些激发输入神经元的组合，对于这些组合，神经元的先前尖峰之后是正的全局奖励信号。奖赏信号可以由某些调节激素或神经递质介导，多巴胺更一般地，提出了一种试错学习范式，其中全局奖励信号触发神经元对先前神经元输入放电模式的尖峰响应的长期增强或减弱。因此，奖励提供了一个反馈途径，告知神经元它们的尖峰对于特定的输入组合是有益的还是有害的。神经元辨别激发输入神经元的特定组合的能力是通过树突上的输入突触的随机或预定空间分布来实现的，所述空间分布创建表示输入神经元的各种排列的突触簇。相应的树突状节段，或封闭的个别棘，能够被特别兴奋，由于当地的S形阈值涉及电压门控通道电导，如果段的兴奋性和抑制性输入的情况下是时间上一致的。这种非线性激励对应于输入神经元的特定放电组合，并且假设激励强度编码组合记忆并且由长期可塑性机制调节。这也表明，脊髓钙内流，可能会导致从时空突触输入重合可能会导致脊髓头肌动蛋白丝进行机械（肌肉样）收缩，与随后的细胞骨架变形传递到轴突的起始段，在那里它可能会被破坏。
2017-05-07 physics.bio-ph q-bio.NC
