从尖峰数据推断出神经元网络连接：时间数据挖掘方法

抽象

理解神经系统的功能在其底层电路方面是神经科学的重要问题。电生理学和成像的最新发展允许同时记录数百个神经元的活动。推断来自这样的多神经元尖峰列车数据流的底层神经元连接模式是一个具有挑战性的统计和计算问题。此任务涉及从大量符号时间序列数据找到显着的时间模式。在本文中，我们表明，在时间数据挖掘领域频繁的剧集方法在这种情况下非常有用。在频繁的剧集发现框架中，将数据视为一系列事件，每个事件的特征在于事件类型，并且其发生时间和剧集是这样的数据中的某些类型的时间模式。在这里，我们表明，使用来自多神经元数据的发现频繁剧集的集合，可以在产生它的神经系统中推断出不同类型的连接模式。为此目的，我们在某些时间限制下介绍频繁发作的挖掘概念;这些时间约束的结构由应用程序激励。我们提供用于在这些时间约束下发现串行和并行剧集的算法。 Through extensive simulation studies we demonstrate that these methods are useful for unearthing patterns of neuronal network connectivity.

科学规划

生物数据挖掘

抽象

版权

更多相关文章