建模和分析神经飙升的火车

---

众所周知,时间信息通过原型序列尖峰波形的神经系统。波形序列的数学建模和分析(或高峰列车)的一个核心问题在计算神经科学领域。这个问题明显挑战因为人口神经元活动常常是随机,高度相关,和非平稳的时间。大量的努力一直致力于描述这个活动通过使用最先进的方法,如人工神经网络、信号处理方法、自适应滤波理论,参数和非参数的概率模型,贝叶斯推理,基于指标的分析和信息理论方法。技术的进步使我们记录大规模神经元合奏活动,和当前的研究已经投入很多集和分析越来越多的大容量、高维、精密实验数据。

这个特殊问题的主要焦点是为研究人员提供一个国际论坛的最新发展和创新思想。我们的目标是将理论的新贡献,算法和应用程序。总共17提交,涵盖广泛的建模和分析训练,收到了这个特殊的问题。每个提交由外部裁判严格审阅以及客座编辑。确保高质量的论文,我们终于接受了6篇文章这个特殊的问题。下面是一个简短的总结,每一个接受的文章。

纸”贝叶斯方法的概述神经脉冲序列分析”z陈提出了一种贝叶斯方法和他们的代表应用程序的教程概述神经脉冲序列的分析,单神经元和人口水平。在理论方面,重点是各种近似贝叶斯推理技术应用于潜在的状态和参数估计。在应用方面,主题包括排序,调谐曲线估计,神经编码和解码,从钙成像信号反褶积高峰列车,推理的神经功能连接和同步。

纸”tensor-product-kernel框架多尺度神经活动解码和控制”l·李等人提出了一个tensor-product-kernel集成框架多尺度神经活动和它适用于离线刺激在脑机接口解码和开环控制任务。选择内核相当于确定一个合适的时空尺度之间的神经活动,如高峰火车和局部场电位。这项工作提供了一个通用的框架,利用异构神经活动记录从神经科学实验。

纸”同质混乱的网络作为率/人口代码时间代码转换器”m . v . Kiselev地址编码速率的一个重要关系和时间编码在神经科学和显示对话从利率代码时间代码可以实现均匀混沌神经网络。本文演示了该方法使用模拟漏水的激增integrate-and-fire神经元和网络的选择性polychromous神经组织。这表明谈话的质量取决于各种参数,如刺激多样性、强度、背景噪声和兴奋性连接延迟。

纸”预测人类的声音定位能力的统计特性的基础上高峰列车沿着脑干听觉通路r . Krips和m·福斯特表明人类方面的能力来执行听觉定位符合最优估计理论应用于听觉神经的反应和优越的橄榄形的复杂。这个适合的本质是暗示的信息来源的用于执行此计算。

纸”飙升排序的联合概率建模的神经高峰火车和波形“由b·a·马修斯和m·a·克莱门茨开发一种新型神经峰值概率统计方法进行自动排序,使用随机点过程模型的神经高峰火车和参数化的动作电位波形。小说可能性模型观察发射倍聚合隐藏的神经高峰列车推导以及迭代过程为集群数据和发现的可能性最大化的参数。

纸”神经脉冲分类稀疏数据分析策略“v -陈和h处理识别的问题单从多通道细胞外记录神经元单位。本研究提出了一种节俭家庭基于不同层次的指标分离尖峰波形数据波形的单一单元。这表明,该方法可以提供一个有效的spike-sorting工具可视化分析的数据和产生强劲的业绩吵,不平衡,和高度相关的尖峰波形数据。

总之,这六个论文提供了许多活跃的研究主题的例子神经脉冲序列分析。我们感谢所有作者将他们的论文提交给这个特殊的问题。我们也感谢所有审阅人员提供他们的专业知识,并在审查过程中宝贵的意见。我们希望,这些文件将提供新颖的思想和方法论发展的神经脉冲序列建模社区,结果将有助于更好的理解大脑的神经机制,并提供更有效的应用程序。

承认

我们感谢编辑托管这个特殊的问题,在编辑过程中重要的支持。

吴魏
Asohan Amarasingham
哲(Sage)
Sung-Phil金

版权

版权©2014吴魏et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。