波普特雷 swMATH ID: 30080 软件作者: 陶龙;韦伯,卡罗琳E。;Arai,Kensuke;尤里·伊登(Uri T.Eden)。 描述: 使用标记点过程时间尺度的神经种群模型的通用良好性框架。任何统计建模程序的一个关键组成部分是评估模型和观测数据之间的良好性的能力。对于单个神经元的棘波序列模型,许多良好性度量依赖于时间缩放定理,并使用缩放的棘波时间评估模型质量。最近,人们对描述单个脑区或跨脑区神经元群同时峰值活动的统计模型越来越感兴趣。传统上,此类模型使用尖峰排序数据来描述已识别神经元之间的关系,但最近使用无聚类建模方法来使用单个模型来描述群体活动。在这里,我们对时间尺度定理进行了推广,从而能够对这两类人口模型中的任何一类进行全面的有效性分析。我们使用标记点过程理论来建模种群尖峰活动,并表明在正确的模型下,每个尖峰可以单独重新缩放,以生成在时间和空间上均匀分布的尖峰标记事件集。在重新缩放后,可以使用多个已确立的良好效果程序和统计测试。我们将这些方法应用于模拟数据和大鼠海马区的真实群体峰值。我们已经通过位于url的Github存储库公开了用于本文分析的MATLAB和Python代码{https://github.com/Eden-Kramer-Lab/popTRT网站}。 主页: https://github.com/Eden-Kramer-Lab/popTRT网站 源代码: https://github.com/Eden-Kramer-Lab/popTRT网站 依赖项: 蟒蛇 关键词: 神经建模;神经群体活动;尖轨列车;菲特之美;时间缩放;KS图 相关软件: github;空间的;Matlab公司;蟒蛇;拔管器 引用于: 2文件 标准条款 1出版物描述软件,包括1出版物以zbMATH为单位 年份 使用标记点过程时间尺度的神经种群模型的通用良好性框架。 Zbl 1402.92120号陶龙;卡罗琳·E·韦伯。;Arai、Kensuke;尤里·伊登(Uri T.Eden)。 2018 全部的 前5名7位作者引用 2 尤里·伊登(Uri T.Eden)。 1 亚尔达·阿米迪 1 Arai、Kensuke 1 贝扎德·纳扎里 1 陶龙 1 卡罗琳·E·韦伯。 1 阿里·优素菲 2篇连载文章中引用 1 神经计算 1 计算神经科学杂志 在2个字段中引用 2 生物学和其他自然科学(92-XX) 1 统计学(62-XX) 按年份列出的引文