Information capacity and transmission are maximized in balanced cortical networks with neuronal avalanches
皮层网络可以产生的神经活动模式的库限制了网络传输和处理信息的能力。在这里，我们测量的活动模式获得的多站点局部场电位（LFP）记录在皮层文化，氨基甲酸乙酯麻醉大鼠，清醒的猕猴。首先，我们量化的信息容量的模式剧目的持续和刺激诱发的活动使用香农熵。接下来，我们用互信息量化了刺激和反应之间的信息传递效率。通过系统地改变兴奋/抑制（E/I）在体外和网络模型中的比例，我们发现，在一个特定的中间E/I的信息容量和信息传输是最大化的，在这个中间E/I，正在进行的活动出现神经元雪崩。接下来，我们使用我们的体外和模型结果来正确预测体内信息容量和正在进行的活动中神经元组之间的相互作用。我们的实验和模型之间的密切协议表明，神经元雪崩和峰值信息容量的出现是由于临界性，是具有平衡的E/I的皮层网络的一般属性。
2010-12-16 cond-mat.dis-nn physics.bio-ph q-bio.NC
Hopf Bifurcation in Mean Field Explains Critical Avalanches in Excitation-Inhibition Balanced Neuronal Networks: A Mechanism for Multiscale Variability
皮层神经回路在单个神经元中显示出高度不规则的尖峰，但在群体水平上显示出大规模的集体放电、振荡和临界雪崩，所有这些都对信息处理具有重要的功能。理论上，兴奋和抑制输入的平衡被认为是解释尖峰不规则性和临界雪崩可能源于潜在的相变。然而，这些多层次的动态方面的神经回路的理论和解仍然是一个悬而未决的问题。在这里，我们研究兴奋-抑制（E-I）平衡的神经元网络与生物现实的突触动力学。它可以保持不规则的尖峰动态与不同水平的同步和临界雪崩附近出现的同步过渡点。我们提出了一种新的半解析平均场论来推导控制网络宏观动力学的场方程。结果表明，网络的E-I平衡态表现为不规则的个体尖峰，具有宏观稳定态的特征，宏观稳定态可以是不动点，也可以是周期运动，其跃迁由宏观场中的Hopf分岔预测.此外，通过对公开数据的分析，我们发现在离体小鼠脑片的自发发放活动中，不规则发放和临界雪崩共存，表明了所观察到的现象的普遍性。我们的理论揭示了允许复杂的神经活动在不同的时空尺度共存的机制，并阐明了神经系统的临界性的可能起源。这也为分析E-I平衡网络的宏观动力学及其与微观对应物的关系提供了一种新的工具，这对于大规模的皮层动力学建模和计算是有用的。
2020-07-04 cond-mat.dis-nn q-bio.NC
Balanced Excitation and Inhibition are Required for High-Capacity, Noise-Robust Neuronal Selectivity
Columbia University（哥伦比亚大学）；Edmond and Lily Safra Center for Brain Sciences（埃德蒙和莉莉·萨弗拉脑科学中心）；Racah Institute of Physics（拉卡物理研究所）；The Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Center for Brain Science（脑科学中心）；Harvard University（哈佛大学）
大脑皮层中的神经元和网络必须在多种噪声源的情况下可靠地运行。为了评估输入和输出噪声的影响，我们确定了单神经元刺激选择性反应的鲁棒性，以及执行记忆任务的神经元网络的吸引子状态的鲁棒性。我们发现，输出噪声的鲁棒性要求突触连接处于平衡状态，其中兴奋和抑制都很强，并且在很大程度上相互抵消。我们评估了这种制度存在所需的条件，并确定在其中运行的网络的属性。一个合理的突触可塑性规则的学习，平衡权重配置。我们的理论预测的兴奋性和抑制性突触的数量最大化的编码能力的平衡网络的传入激活的一个给定的统计的最佳比例。以前的工作表明，平衡的网络放大时空变异性，并占观察到的异步不规则状态。在这里，我们提出了一种新型的平衡网络，它放大了撞击信号中的微小变化，并从学习中自动出现，以鲁棒地执行神经元和网络功能。
2017-05-03 cond-mat.dis-nn cs.LG cs.NE
Transfer Entropy reconstruction and labeling of neuronal connections from simulated calcium imaging
神经元动力学从根本上受到基础结构网络架构的约束，但即使在体外神经元培养中，这种突触连接的许多细节仍然是未知的。在这里，我们扩展了以前的方法基于信息论，广义传递熵，兴奋性和抑制性神经元的模拟神经网络的连接重建。我们表明，由于所开发的措施的无模型的性质，这两种连接可以可靠地推断，如果同步突发事件之间的平均发射率超过一个小的最低频率。此外，我们建议，基于系统的模拟，甚至更低的自发的突发间速率可以提高，以满足我们的重建算法的要求，通过施加一个弱的空间均匀的刺激到整个网络。通过结合多个记录的相同的在silico网络之前和之后的阻断抑制性突触传递，我们展示了如何有可能推断出高置信度的兴奋性或抑制性的每个单独的神经元。
2014-05-06 cond-mat.dis-nn q-bio.NC
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
Large-Scale Automatic Reconstruction of Neuronal Processes from Electron Microscopy Images
Harvard University（哈佛大学）；Tufts University（塔夫茨大学）
自动化样品制备和电子显微镜能够采集非常大的图像数据集。这些技术进步对神经解剖学领域具有特别重要的意义，因为纳米尺度的神经元过程的3D重建可以为大脑的细粒度结构提供新的见解。大规模电子显微镜数据的分割是分析这些数据集的主要瓶颈。在本文中，我们提出了一个管道，提供国家的最先进的重建性能，同时扩展到数据集的GB-TB范围。首先，我们训练一个随机森林分类器的交互式稀疏用户注释。分类器输出与条件随机场框架中的各向异性平滑先验相结合，以生成每个图像的多个分割假设。这些分割，然后组合成几何一致的3D对象的分割融合。我们提供了自动分割的定性和定量评估，并展示了在对应于1000个连续图像部分的每个维度上从$\mathbf{30 \; μm}$立方体上的脑组织$\mathbf{27,000}$ $\mathbf{μm^3}$体积进行神经元突起的大规模3D重建。我们还介绍了Mojo，一个校对工具，包括基于稀疏用户涂鸦的合并错误的半自动校正。
2013-03-28 cs.CV q-bio.NC
Neuronal avalanches imply maximum dynamic range in cortical networks at criticality
自发性神经元活动是大脑皮层的普遍特征。它的时空组织反映了过去的输入和调制未来的网络输出。在这里，我们研究一种特定类型的自发活动是否是由一个为输入处理而优化的网络产生的。神经元雪崩是一种在体外和体内观察到的皮层浅层自发活动，具有“临界状态”网络的统计特性。理论预测，临界状态，因此，神经元雪崩是最佳的输入处理，但到目前为止，这是在实验中未经检验。在这里，我们使用平面微电极阵列上生长的皮层切片培养物来证明产生神经元雪崩的皮层网络受益于最大化的动态范围，即响应最大范围刺激的能力。通过改变文化中的兴奋和抑制的比例，我们推导出一个网络调谐曲线的刺激处理的距离的函数与我们的模拟预测的临界状态。我们的研究结果表明，在皮层中，（1）平衡的兴奋和抑制建立了临界状态，这最大化了可以处理的输入范围;（2）自发活动和输入处理在临界现象的背景下是统一的。
2009-11-09 q-bio.NC
Model-free reconstruction of neuronal network connectivity from calcium imaging signals
通过直接电生理测定系统评估全局神经网络连接性在技术上仍然是不可行的，即使在分离的神经元培养物中。我们介绍了一种改进的算法方法的基础上转移熵重建近似网络结构的连接性，通过钙荧光成像监测网络活动。基于信息论，我们的方法不需要事先假设神经元放电和神经元连接的统计。我们的算法的性能是基准上的代理时间序列的钙荧光所产生的模拟动态的网络与已知的地面实况拓扑结构。我们发现转移熵揭示的有效网络拓扑定性地依赖于网络的时间依赖动态状态（例如，爆裂或非爆裂）。因此，我们展示了如何调节相对于全球平均活动提高我们的方法的性能。[...]与其他重建策略，如互相关或格兰杰因果关系的方法相比，我们的方法基于改进的转移熵是显着更准确。特别是，它提供了一个很好的重建网络聚类系数，允许区分弱或强集群拓扑，而另一方面，基于互相关的方法将不变地检测人为的高水平的集群。最后，我们提出了我们的方法的适用性，在体外皮质文化的真实记录。我们证明，这些网络的特点是一个升高的聚类水平相比，随机图（虽然不是极端的），并通过显着的非本地连接。
2012-05-28 cond-mat.dis-nn q-bio.NC
Inverse receptive field attention for naturalistic image reconstruction from the brain
本文提出端到端IRFA模型，通过逐像素逆感受野注意力加权神经元响应，从猕猴V1、V4和IT数据重建自然图像，并揭示空间感受野稳定而特征选择随刺激变化。
2025-01-06 q-bio.NC
Reconstruction of network structures from repeating spike patterns in simulated bursting dynamics
神经元网络中尖峰脉冲序列的重复模式被认为是网络拓扑结构重建的有用工具。在一个具有不同物理连接拓扑结构（从随机到无标度）的生理现实模型中模拟了混响，研究了模式匹配方法在从网络动力学重构网络拓扑结构中的有效性。仿真结果表明，从重复的尖峰模式重建的功能网络可能与原始的物理网络有很大的不同，甚至全局属性，如度分布，也不总是可以恢复。然而，模式匹配方法可以有效地识别网络中的枢纽。由于混响的形式是完全不同的网络与没有枢纽，混响的形式与重建的重复尖峰模式可能提供一个可靠的方法来检测枢纽神经元文化。
2014-07-12 q-bio.NC
Precision microfluidic control of neuronal ensembles in cultured cortical networks
本研究利用微流控装置构建具有层级模块结构的皮层神经元网络，通过调节微通道尺寸控制模块间耦合，降低同步性并丰富神经元集群活动模式，为体外研究神经元集群提供了稳健平台。
2024-05-29 q-bio.NC
Self-organized critical balanced networks: a unified framework
异步不规则（AI）和临界状态是两个相互竞争的框架提出来解释自发神经元活动。在这里，我们提出了一个简单的随机神经元的平均场模型，推广了Brunel（2000）的积分和点火网络。我们发现，平衡的抑制/兴奋突触的重量比$g_c \approx 4$点对应于二阶吸收相变通常在自组织临界（SOC）模型。在突触平衡点$g_c$，网络表现出幂律神经元雪崩与通常的指数，而非零的外部场的系统显示四个通常的同步性状态的平衡网络。我们增加稳态抑制和放电率适应，并获得一个自组织的准临界平衡状态与雪崩和AI样活动。我们的模型可以解释为什么在不同的实验条件下和不同的大脑区域获得不同的抑制水平，因为至少有两个动力学机制是必要的，以获得一个真正的平衡状态，没有它的网络可能会徘徊在不同的区域提出的理论相图。
2019-06-13 nlin.AO nlin.CD physics.bio-ph
Stability of synchronous states in sparse neuronal networks
同步状态的稳定性分析的背景下，两个人口的抑制性和兴奋性神经元，其特征在于不同的脉冲宽度。这个问题被减少到，确定一个合适的稀疏随机矩阵，随机性的网络结构的后果一类的特征值。详细的分析，其中也包括有限振幅扰动的研究，在窄脉冲的限制，发现的稳定性取决于至关重要的相对脉冲宽度。这对异步（平衡）机制的整体属性有影响。
2020-02-02 math.DS nlin.AO q-bio.NC
Neuronal Response Impedance Mechanism Implementing Cooperative Networks with Low Firing Rates and Microseconds Precision
在神经网络中实现低放电率通常需要在兴奋性和抑制性链路之间全局平衡分布，而时间编码的可行性受到神经元毫秒精度的限制。我们表明，合作，治理全球网络功能，出现通过节点属性，而不是链接分布。使用在体外和体内实验中，我们证明微秒精度的神经元响应定时低刺激频率下，而中等频率的结果在一个混乱的神经元相的特征在于降低精度。在神经元之间变化的临界刺激频率之上，发现响应失败随机出现，使得神经元用作低通滤波器，使平均尖峰间间隔饱和。这种内在的神经元响应阻抗机制导致网络水平上的协作，使得放电速率被抑制到最低神经元临界频率，同时具有神经元微秒精度。我们的研究结果开辟了机会，控制网络动力学的全球功能，通过几个节点的极端属性。
2015-06-01 cond-mat.stat-mech physics.bio-ph q-bio.NC
Reconstruction of Sparse Circuits Using Multi-neuronal Excitation (RESCUME)
神经科学的核心问题之一是重建神经回路中的突触连接。神经元上的突触可以通过顺序刺激潜在的突触前神经元同时监测突触后神经元的膜电压来探测。使用这种“蛮力”方法重建大型神经电路是相当耗时且低效的，因为神经电路中的连接是稀疏的。相反，我们建议测量突触后神经元的电压，同时刺激顺序随机子集的多个潜在的突触前神经元。为了从记录的电压中重建这些突触连接，我们应用了最近开发的用于压缩感知的解码算法。与蛮力方法相比，我们的方法保证了显着的时间节省，随着电路的大小而增长。我们使用计算机模拟，以找到最佳的刺激参数，并探讨我们的重建方法在现实的实验条件下，包括噪声和非线性突触整合的可行性。多神经元刺激允许仅从突触后神经元的尖峰活动重建突触连接，即使在亚阈值电压不可用时。通过使用钙指示剂、电压敏感染料或多电极阵列，人们可以同时监测多个突触后神经元的活动，从而并行地映射它们的突触输入，潜在地重建完整的神经回路。
2012-10-04 cs.DS q-bio.NC
A hierarchical network organization helps to retain comparable oscillation patterns in rats and human-sized brains
耦合系统中的活动通常是振荡的，例如，神经元群体的放电模式。而这些振荡主要是在本地电路的研究，在这里，我们将展示如何的大规模网络的拓扑结构，导致大的反馈回路，影响在静止状态下的振荡。我们发现，神经元网络的层次模块化组织支持不同的光谱模式的神经节律类似的实验观察到的不同物种，如大鼠和人类。对于单个神经元，多个峰值频率与后续峰值之间的非整数比发生。这些比例发生在具有大鼠空间大小的模型以及人脑中。我们认为，更长的连接的潜在影响，从而更长的延迟，是由更大的大脑网络中的长距离连接的数量减少平衡。总之，我们表明，一个分层的神经元网络提供了一个可扩展的骨干多种脑节律。这种结构骨干可以补充充分研究的区域和细胞机制的产生或预防节奏。
2014-05-14 q-bio.NC
Synchronization in random balanced networks
描述网络特性对相互作用元素的全局新兴行为的影响是从物理科学到社会科学的许多领域的中心问题。在这篇文章中，我们研究了具有兴奋-抑制结构和平衡约束的无序神经元网络的一个基本模型。我们展示了如何在连接结构和无序之间的相互作用，导致一个普遍的过渡，从平凡的同步静止或周期性的状态。这种转变不能仅仅通过连接矩阵的谱密度的分析来解释。我们提供了一个低维的近似，显示的结构和无序的动力学中的作用。
2013-10-07 cond-mat.dis-nn q-bio.NC
Evaluation and Ensembling of Methods for Reverse Engineering of Brain Connectivity from Imaging Data
脑科学是一个不断发展的研究领域，具有提供见解的潜力，从而预防和治疗影响数百万患者的多种神经元疾病。发现关系，如大脑连接，是基础，转化和临床科学的主要目标。因果发现的算法被用于不同的领域，用于解决类似于重建神经元大脑连接的任务的问题。我们的目标是了解这些方法的优势和局限性，衡量性能及其决定因素，并提供见解，以提高其性能和适用性。我们进行了广泛的实证测试和基准的重建性能的几个国家的最先进的算法，以及几个集成技术用于将它们结合起来。我们的实验使用了一个明确的和广泛相关的金标准的基础上钙荧光时间序列记录的数千个神经元采样从以前验证的现实，神经元模型。相关性、基于熵的测量、短时间滞后的互相关和广义传递熵具有最佳性能，ROC曲线下面积（AUC）在0.7-0.8范围内，即使对于n = 100至1，000的较小样本量也是如此，并且收敛迅速（小于n = 1，000）。使用随机森林和神经网络的最佳性能方法的集合生成的AUC为~0.9，n = 10，000。获得了关于参数选择和样本量的一些重要见解，用于指导研究的实验设计。我们的数据也支持使用现有技术可靠地重建复杂的神经元连接的可行性。
2016-03-15 q-bio.NC
Pixel Embedding Method for Tubular Neurite Segmentation
Tsinghua University（清华大学）
针对神经突分割中形态复杂、纤维遮挡的问题，提出基于像素嵌入的深度网络与端到端SWC重建流水线，还设计了新的拓扑评估指标，在fMOST数据集上显著降低拓扑重建错误率。
2025-07-31 cs.CV eess.IV q-bio.NC
Diversity of neuronal activity is provided by hybrid synapses
许多实验已经证明，电突触和化学突触-混合突触-共存于大多数生物体和大脑结构中。在不同复杂度的网络中，人们分别研究了电突触和化学突触连接在神经活动产生多样性中的作用。然而，混合突触在不同的动力学状态的神经网络的自组织和鲁棒性的理论认识仍然没有得到充分的研究。在这里，我们提出了一个神经网络的混合突触建立的模型来研究全局和集体动力学状态的出现。该神经网络由相互作用的兴奋性和抑制性群体组成。在小世界拓扑结构中，兴奋性群体通过兴奋性突触连接，其相邻的神经元也通过间隙连接连接。抑制性群体仅通过具有全对全相互作用的化学抑制性突触连接。我们的数值模拟表明，在平衡的网络与电耦合的情况下，这种架构产生的同步状态主要是由神经元之间的异质性和兴奋性和抑制性输入的平衡控制。在具有强电耦合的平衡网络中，几种动力学状态由兴奋性和抑制性权重的不同组合产生。更重要的是，我们发现，这些国家，如同步点火，集群同步，和各种涟漪事件，出现轻微修改的化学耦合权重。对于足够大的电突触耦合，整个神经网络变得同步。我们的结果为研究混合突触在神经功能中的作用的动力学机制和计算意义奠定了基础。
2019-11-06 nlin.AO physics.bio-ph q-bio.NC
Learning arbitrary dynamics in efficient, balanced spiking networks using local plasticity rules
了解递归神经回路如何学习实现动力系统是神经科学的一个基本挑战。信用分配问题，即确定每个突触对网络全局输出误差的局部贡献，是推导生物学上合理的局部学习规则的主要障碍。此外，实现这些任务的尖峰循环网络在神经元和尖峰的数量方面不应该是非常昂贵的，因为它们通常是从速率模型中调整而来的。最后，这些网络应该对噪声和神经死亡具有鲁棒性，以便在面对这种自然发生的扰动时维持这些表示。我们解决这个问题的融合理论的有效，平衡尖峰网络（EBN）与非线性自适应控制理论。通过将其自身的误差反馈到网络中来确保局部学习规则，从而产生仅依赖于突触前输入和突触后反馈的突触可塑性规则。网络的尖峰效率和鲁棒性是通过保持紧密的兴奋/抑制平衡来保证的，确保每个尖峰代表全局输出误差的局部投影并最小化损失函数。由此产生的网络可以学习实现复杂的动力学与非常少量的神经元和尖峰，表现出相同的脉冲序列的变化，实验观察，是非常强大的噪声和神经元的损失。
2017-08-05 q-bio.NC
Fluctuation induced intermittent transitions between distinct rhythms in balanced excitatory-inhibitory spiking networks
本研究提出一个稀疏耦合的兴奋-抑制QIF神经元网络模型，证明在Hopf分岔临界点附近，有限系统的固有波动可产生皮层节律间的间歇性转变，且幂律分布与实证一致，并揭示网络连接性对幂律指数的影响。
2025-01-03 physics.soc-ph q-bio.NC
Reconstruction of recurrent synaptic connectivity of thousands of neurons from simulated spiking activity
神经元网络的动力学和功能是由它们的突触连接决定的。然而，目前的实验方法来分析突触网络结构的细胞水平上，只覆盖一小部分的功能神经元回路，通常没有同时记录的神经元尖峰活动。在这里，我们提出了一种方法，从数以千计的并行脉冲序列记录的大型递归神经元网络的重建。我们采用最大似然估计的广义线性模型的尖峰活动在连续时间。对于该模型，点过程似然是凹的，使得可以通过梯度上升获得参数的全局最优。以前的方法，包括那些相同的类，不允许经常性网络的数量级被重建，由于高昂的计算成本和数值不稳定性。我们描述了一个最小的模型，是优化的大型网络和通用计算集群上的并行化数值优化的一个有效的计划。对于1000个神经元的模拟平衡随机网络，在理想条件下，突触连接恢复的误分类错误率小于1%。我们表明，错误率仍然很低，在一系列的例子情况下，逐步不太理想的条件下。最后，我们成功地重建了一个隐藏的synfire链，嵌入在一个随机的网络，这需要聚类的网络连接，以揭示synfire组的连接。我们的研究结果表明，如何突触连接可能被推断出大规模的并行脉冲序列记录。
2015-06-07 q-bio.NC q-bio.QM stat.ML
Modelling brain-wide neuronal morphology via rooted Cayley trees
神经元形态是大脑活动和功能的基本要素。我们利用目前可用的全脑神经元数字重建的锥体细胞从小鼠大脑，并分析几个新兴的功能，全脑神经元形态。我们观察到，轴突树是自仿射的，而树突树是自相似的。我们还表明，树的大小似乎是随机的，独立于单个神经元内的树突的数量。此外，我们考虑了非均匀分支模型，随机生成根3-凯莱树的脑神经元拓扑结构。基于估计的顺序依赖的分支概率从实际的轴突和树突树，我们的非均匀模型定量捕获了一些拓扑特征，包括轴突和树突的大小和形状。这揭示了全脑轴突和树突树拓扑形成背后的普遍机制。
2018-10-08 math.DS math.ST q-bio.NC
Super-resolution using Sparse Representations over Learned Dictionaries: Reconstruction of Brain Structure using Electron Microscopy
Janelia Farm Research Campus, Howard Hughes Medical Institute（霍华德·休斯医学研究所珍妮利亚研究园区）
神经科学的一个中心问题是在突触水平上重建神经元回路。由于脑结构的尺度范围很广，这种重建需要高分辨率和高通量的成像。现有的电子显微镜（EM）技术在横向平面中具有所需的分辨率，并且具有高通量或高深度分辨率，但不能同时具有两者。在这里，我们利用无监督学习和信号处理的最新进展，在不牺牲吞吐量的情况下获得高深度分辨率的EM图像计算。首先，我们证明了脑组织可以表示为使用高分辨率数据集学习的局部基函数的稀疏线性组合。然后，我们开发了压缩感知启发的技术，可以从每个部分的很少（通常为5）断层扫描视图重建脑组织。这使得能够跟踪神经元过程，并因此在单个突触的水平上高通量地重建神经回路。
2012-10-01 cs.CV q-bio.NC stat.ML
Stochastic Wilson-Cowan models of neuronal network dynamics with memory and delay
我们考虑一类简单的马尔可夫类的随机Wilson-Cowan型模型的神经网络动力学，其中包括随机延迟所造成的存在的不应期的神经元。从单个元素的动态的角度来看，我们正在处理的非马尔可夫随机两态振荡器与内存的平均场的方式耦合在全球范围内的网络。这种高维马尔可夫和低维非马尔可夫动力学的相互关系进行了讨论，在其相关的一般问题的网络动力学的复杂元素具有记忆。这类最简单的模型是由一个三状态马尔可夫神经元与一个不应状态，这导致发射延迟与指数衰减的记忆内的两个状态简化模型。这个基本模型被用来研究临界雪崩动力学（噪声持续临界性）在一个平衡的前馈网络组成的兴奋性和抑制性神经元。这种雪崩的出现是由于网络大小相关的噪声（介观噪声）。数值模拟结果表明，雪崩尺寸的分布符合中幂律，临界指数约为-1.16。我们表明，这个幂律是强大的不应期时间的变化超过几个数量级。然而，雪崩时间分布是双指数的。它不反映任何真正的幂律依赖。
2015-01-29 cond-mat.dis-nn physics.bio-ph q-bio.NC
Topological analysis of the connectome of digital reconstructions of neural microcircuits
最近的一份出版物提供了一个新皮层微电路的网络图，该微电路包括31,000个神经元之间的800万个连接（H。Markram等人，Reconstruction and simulation of neocortical microcircuitry，Cell，163（2015）no.2，456-492）。由于传统的图论方法可能不足以理解这样一个生物网络的巨大复杂性，我们探讨了代数拓扑学的方法是否可以提供一个新的视角，其结构和功能组织。结构拓扑分析表明，有向图表示的微电路中的神经元之间的连接显着偏离不同品种的随机图。特别地，包含在$10^7$顺序中的有向图简化了具有全对全有向连接的神经元群。其中一些单形包含多达8个神经元，使它们成为有史以来报道的最极端的神经元簇集基序。在微电路中模拟神经元活动的功能拓扑分析揭示了新的时空指标，提供了一个有效的分类功能反应的定性不同的刺激。这项研究代表了第一次代数拓扑分析的结构连接和连接为基础的时空活动在生物现实的神经微电路。研究中使用的方法显示出在网络科学中更普遍应用的前景。
2016-01-07 math.AT q-bio.NC
Predicting the connectivity of primate cortical networks from topological and spatial node properties
哺乳动物皮层区域之间的连接组织已经成为研究的主要课题，因为它在构建动物行为和智力的宏观方面起着重要作用。在这项研究中，我们提出了一个计算重建网络组织的问题，通过考虑在灵长类动物大脑皮层的每个区域的拓扑和空间特征作为补贴的全球皮层网络连接的重建。从断开所有区域开始，将具有相似特征集的成对区域连接在一起，试图恢复原始网络结构。从节点的属性推断灵长类动物皮层连接性，可以获得非常好的全球网络组织重建，拓扑特征允许略优于空间的准确性。对C. elegans神经元网络导致实质上更差的恢复，表明皮层区域互连与所考虑的拓扑和空间特性的相关性比线虫中的神经元投射相对更强。基于区域的特征和全局连接之间的密切关系可能暗示了皮层网络的发展规则和限制。特别是，从拓扑和空间属性的预测之间的差异，以及从空间属性导致的较差的恢复，表明皮层网络的组织并不完全由空间约束决定。
2007-04-26 physics.soc-ph q-bio.NC
A balanced memory network
神经科学的一个基本问题是理解工作记忆--在中间时间尺度上存储信息的能力，比如10秒--是如何在现实的神经网络中实现的。最有可能的候选机制是吸引子网络，大量的努力已经在理论上进行了研究。然而，尽管近四分之一世纪的紧张工作，吸引子网络并没有完全理解。特别是，还有两个问题没有得到回答。首先，吸引子网络是如何表现出不规则的放电的，就像在工作记忆任务中实验观察到的那样？其次，在生物现实条件下可以存储多少记忆？在这里，我们回答这两个问题，通过研究一个吸引神经网络，其中抑制和兴奋相互平衡。利用平均场分析，我们得到了一个三变量描述的吸引子网络。从这一描述可以看出，只有当参与记忆的神经元数量很大时，才可能存在不规则的放电。同样的平均场分析也表明，可以存储在网络中的记忆数量与兴奋性连接的数量成比例，这一结果只适用于简单模型，但从未在现实模型中得到证明。这两个预测都使用大型尖峰神经元网络的模拟进行了验证。
2007-04-23 cond-mat.dis-nn q-bio.NC
NeuRegenerate: A Framework for Visualizing Neurodegeneration
Stony Brook University（石溪大学）；National Institutes of Health（美国国立卫生研究院）
高分辨率显微镜的最新进展使科学家能够更好地了解潜在的大脑连接。然而，由于生物标本只能在单个时间点成像的限制，研究神经投射的变化仅限于使用群体分析的一般观察。在本文中，我们介绍了NeuRegenerate，这是一种新型的端到端框架，用于预测和可视化受试者在特定年龄-时间点的神经纤维形态变化。为了预测投影，我们介绍了neuReGANerator，这是一种基于周期一致性生成对抗网络（cycleGAN）的深度学习网络，可以跨年龄-时间点转换区域中神经元结构的特征，用于大型脑显微镜体积。我们通过实现密度倍增器和一个新的损失函数来提高神经元结构的重建质量，称为幻觉损失。此外，为了减轻由于大输入体积的平铺而出现的伪影，我们在neuReGANerator的训练管道中引入了空间一致性模块。我们发现neuReGANerator在预测神经元结构方面的重建准确率为94%。最后，为了可视化预测的投影变化，NeuRegenerate提供了两种模式：（1）neuroCompare，可以同时可视化神经元投影结构的差异，跨越年龄时间点，（2）neuroMorph，一种基于血管的变形技术，可以交互式地可视化结构从一个年龄时间点到另一个年龄时间点的转换。我们的框架是专为使用宽视场显微镜获得的卷。我们展示了我们的框架，通过可视化的结构变化，神经纤维内的胆碱能系统的小鼠大脑之间的年轻和年老的标本。
2022-02-02 cs.GR cs.HC cs.LG
Closed-loop control of gamma oscillations in the brain connections through the transcranial stimulations
本研究结合EEG数据分析与皮层神经网络建模，探究经颅刺激调控脑连接重构的机制，发现长时程tDCS/rTMS下持续伽马振荡可促进星形胶质细胞释放BDNF，正向重塑兴奋性神经元连接。
2024-03-11 q-bio.NC
Emergence of assortative mixing between clusters of cultured neurons
神经元培养物的活性分析被认为是体内神经元组织的功能连接的良好代表。因此，从活动模式推断的功能复杂网络是一种很有前途的方式来解开神经元系统的结构和功能之间的相互作用。在这里，我们监测自发的自我维持的动力学在神经元的相互连接的聚集体（集群）形成的神经元培养。动力学的特点是快速激活的集群群序列称为突发。分析簇在突发内的激活之间的时间延迟允许重构网络的有向功能连接。我们提出了一种方法来统计推断这种连通性，并分析由此产生的相关复杂网络的属性。令人惊讶的是，与许多生物网络的报道相反，群集的神经元培养物呈现出混合连接值，以及丰富的俱乐部核心，这意味着有一个偏好的集群连接到其他集群共享类似的功能连接，形成了网络中的“连接骨干”。这些结果表明，神经元的分组和集群之间的排斥性连接是文化的内在生存机制。
2014-07-07 cond-mat.dis-nn physics.bio-ph q-bio.NC
How Chaotic is the Balanced State?
在广泛的条件下，尖峰神经元的大型稀疏回路表现出高度不规则活动的平衡状态。它同样发生在接受兴奋性外部输入和复发性抑制的稀疏连接随机网络中，以及混合复发性抑制和兴奋的网络中。在这里，我们分析研究了有限网络中的这种不规则动态，跟踪所有单个尖峰时间和单个神经元的身份。对于延迟，纯抑制的相互作用，我们表明，不规则的动力学不是混乱的，但实际上是稳定的。此外，我们证明，经过长时间的瞬态动力学收敛到周期轨道，这些动力系统的每个通用周期轨道是稳定的。我们研究了集体不规则的动态增加突触反应的时间尺度，并在迭代取代抑制兴奋性相互作用。然而，对于小的和中等的时间尺度以及少数兴奋性相互作用，动力学保持稳定，有一个平稳过渡到混沌，如果突触反应变得足够慢（即使在纯粹的抑制网络）或兴奋性相互作用的数量变得太大。这些结果表明，混沌和稳定的动力学同样能够产生不规则的神经元活动。更一般地说，混沌显然不是必不可少的产生高度不规则的平衡活动，我们认为，一种机制不同的混沌和随机性显着有助于不规则的活动在皮层电路。
2013-08-15 cond-mat.dis-nn physics.bio-ph q-bio.NC
Minimax Dynamics of Optimally Balanced Spiking Networks of Excitatory and Inhibitory Neurons
兴奋-抑制（E-I）平衡在大脑皮层中普遍存在。最近的研究表明，在快速时间尺度上的平衡、紧平衡和有效的尖峰信息编码之间存在有趣的联系。我们通过采取原则性的方法来优化兴奋性（E）和抑制性（I）神经元的平衡网络，进一步加强了这种联系。通过推导E-I尖峰神经网络从贪婪的尖峰为基础的优化约束极大极小目标，我们表明，紧平衡产生的偏差从极大极小最优校正。我们通过解决极大极小问题来预测网络中特定的神经元放电率，超越了平衡网络的统计理论。最后，我们设计了极大极小的目标重建的输入信号，联想记忆和存储的流形吸引子，并从他们的E-I网络进行计算。总的来说，我们提出了一种新的规范建模方法尖峰E-I网络，超越了广泛使用的能量最小化网络，违反戴尔定律。我们的网络可用于模拟皮层电路和计算。
2021-04-30 q-bio.NC
Overcoming the Curse of Dimensionality: Structural Connectivity Reconstruction via Pairwise Information Flow in Nonlinear Networks
Shanghai Jiao Tong University（上海交通大学）
本文提出通过成对时间延迟信息流恢复非线性网络结构连接性，克服维度诅咒，提供一种无需高维条件的通用方法，验证了其在不同系统中的有效性。
2026-05-06 q-bio.NC
Emergence of a dynamical state of coherent bursting with power-law distributed avalanches from collective stochastic dynamics of adaptive neurons
该研究通过具有随机输入的适应性神经元网络证明，幂律分布神经元雪崩可由兴奋与适应性平衡下的相干爆发产生，无需临界相变解释。
2024-12-03 physics.bio-ph q-bio.NC
Integrated Information Decomposition Unveils Major Structural Traits of $In$ $Silico$ and $In$ $Vitro$ Neuronal Networks
研究将Φ-ID用于计算机模拟和体外神经元网络数据，把传递熵分解为协同、冗余和唯一信息传递，发现唯一信息最能揭示底层结构拓扑。
2024-06-17 cond-mat.dis-nn q-bio.NC
Boosting Reservoir Computing with Brain-inspired Adaptive Dynamics
University of Maryland（马里兰大学）；National Institute of Mental Health（美国国家精神卫生研究院）；Santa Fe Institute（圣塔菲研究所）
针对储备池计算机（RCs）超参数敏感及忽略神经元E-I平衡的问题，引入局部E/I平衡自适应机制和脑启发异质性放电率，提升其在记忆容量等任务的性能达130%，推动RC设计向动态适应转变。
2025-04-16 cs.LG cs.NE q-bio.NC
Brain architecture: A design for natural computation
Newcastle University（纽卡斯尔大学）
50年前，约翰·冯·诺依曼（John von Neumann）将大脑的结构与他发明的至今仍在使用的计算机的结构进行了比较。在那些日子里，计算机的组织是基于大脑组织的概念。在这里，我们对神经系统的全球组织的当前结果进行了更新。对于神经系统，我们概述了神经元和皮层网络的空间和拓扑结构如何促进对故障的鲁棒性，快速处理和平衡的网络激活。最后，我们讨论了这种架构的自组织机制。毕竟，大脑的组织可能会再次激发计算机架构。
2008-02-27 cs.AI cs.NE physics.soc-ph
Simulation Based Inference of a Simple Neural Network Structure
本文提出利用简单尖峰列车统计量推断神经网络结构，通过模拟估计采样分布，提升对连接概率的推断效果。
2026-10-15 math.ST q-bio.NC stat.AP
