×
阿明·卡巴西;阿米尔·赫萨姆·萨拉瓦蒂;马丁·维特利

从触发活动中学习神经连通性：具有拓扑可证明保证的高效算法。 （英语） Zbl 1402.92021号

J.计算。神经科学。 44，第2期，253-272（2018）.
摘要：神经元网络的连通性对其功能和作用有重要影响。人们普遍认为，大脑复杂的网络结构为信息处理提供了生理基础。因此，识别网络的拓扑结构已经受到神经科学领域的广泛关注，并且已经成为许多研究计划的中心，例如人类连接组项目。尽管如此，直接的切片和观察神经组织的侵入性方法已被证明是耗时、复杂和昂贵的。因此反向最近，利用神经元放电活动来识别（功能）连接的方法得到了发展，特别是考虑到记录技术的快速发展；很快就能同时实时监测成千上万个神经元的活动。虽然有许多优秀的方法旨在识别射击活动的功能联系，但拟议技术的可扩展性在将其应用于记录射击活动的大规模数据集时，是一个重大挑战。在可伸缩性不成问题的例外情况下，理论性能保证通常仅限于特定神经元家族或放电活动类型。在本文中，我们将神经网络重构作为图学习问题的一个实例，在这里我们观察节点/神经元的行为（即激发活动），并旨在找到链接/连接。我们开发了一种可扩展的学习机制，并推导了泄漏-积分-放电（LIf）神经元网络的估计图与真正的潜在突触连接匹配的条件。然后，我们使用人工生成的数据（用于基准测试）和从大鼠多个海马区域记录的真实数据来验证算法的性能。

引用于1文件

MSC公司：

92B20型 生物研究、人工生命和相关主题中的神经网络
92C20美元 神经生物学

关键词：

功能连通性;突触连通性;神经信号处理;神经网络

软件：

美国金融服务贸易协会
PDF格式BibTeX公司 XML格式引用
\textit{A.Karbasi}等人，《计算杂志》。神经科学。44，第2号，253--272（2018；Zbl 1402.92021）
全文： 内政部
OA许可证

参考文献：

[1] 巴尔达西，C；Braunstein，A；布鲁内尔，N；Zecchina，R，《利用二元突触在网络中进行高效监督学习》，BMC神经科学，8，s13，（2007）·doi:10.1186/1471-2202-8-S2-S13
[2] Bertotti，G.、Velychko，D.、Dodel，N.、Keil，S.、Wolansky，D.等人（2014）。一种基于cmos的传感器阵列，用于与4225个记录位点和1024个刺激位点连接的体外神经组织。在2014年IEEE生物医学电路和系统会议（bioCAS）（第304-307页）：IEEE。
[3] 棕色，EN；卡斯，RE；Mitra，PP，《多神经棘波序列数据分析：最新技术和未来挑战》，《自然神经科学》，第7456-461页，（2004）·doi:10.1038/nn1228
[4] Buzsáki，G，神经元群的大规模记录，《自然神经科学》，第7446-451页，（2004）·doi:10.1038/nn1233
[5] Chiang，AS；林，CY；庄，CC；Chang，HM；谢，CH；Yeh，连续波；Shih，CT；吴，JJ；王，GT；陈，YC；等。，以单细胞分辨率对果蝇脑宽布线网络进行三维重建，《当代生物学》，21，1-11，（2011）·doi:10.1016/j.cub.2010.11.056
[6] Dale，H，《药理学和神经增强》，《皇家医学会杂志》，28，319-332，（1935）
[7] Gerhard，F；Kispersky，T；GJ古铁雷斯；马德尔，E；Kramer，M；Eden，U，通过单独的尖峰活动成功重建具有已知连接的生理回路，PLoS计算生物学，9，e1003138，（2013）·doi:10.1371/journal.pcbi.1003138
[8] Gerstner，W.和Kistler，W.M.（2002）。尖峰神经元模型：单个神经元、种群、可塑性剑桥：剑桥大学出版社·Zbl 1100.92501号 ·doi:10.1017/CBO9780511815706
[9] Goldstein，T.、Studer，C.、Baraniuk，R.（2014）。使用fasta实现进行前向-后向拆分的现场指南。arXiv:14113406。
[10] 格雷，BF；兰格，D；卡斯珀，H；坎帕，BM；Helmchen，F，《体内高速钙成像以近毫秒精度揭示神经元网络活动》，《自然方法》，7399-405，（2010）·doi:10.1038/nmeth.1453
[11] 霍尔，EC；Willett，RM，跟踪网络上的动态点过程，IEEE信息理论汇刊，624327-4346，（2016）·Zbl 1359.94952号 ·doi:10.1109/TIT.2016.2568202
[12] 埃雷拉，CG；Adamantidis，AR，大脑集成微探针，《自然生物技术》，33，259-260，（2015）·doi:10.1038/nbt.3169
[13] Jaggi，M.、Smith，V.、Takác，M.，Terhorst，J.、Krishnan，S.、Hofmann，T.、Jordan，M.I.（2014）。通信效率高的分布式双坐标上升。在神经信息处理系统研究进展（第3068-3076页）。
[14] Karbasi，A.、Salavati，A.H.、Vetterli，M.（2015）。从激发模式中学习网络结构。在国际声学、语音和信号处理会议. ·Zbl 1402.92021号
[15] Khodagholy，D.，Gelinas，J.N.，Thesen，T.，Doyle，W.，Devinsky，O.，Malliaras，G.G.，Buzsáki，G.（2014）。神经栅格：记录大脑表面的动作电位。自然神经科学。
[16] Kim，S；普特里诺，D；Ghosh，S；Brown，EN，集合神经尖峰活动点过程模型的Granger因果测量，公共科学图书馆计算生物学，7，e1001110，（2011）·doi:10.1371/journal.pcbi.1001110
[17] 拉扎尔，AA；Slutskiy，YB，尖峰处理神经回路的功能识别，神经计算，26264-305，（2014）·Zbl 1415.92051号 ·doi:10.1162/NECO_a_00543
[18] 马斯，W；Schmitt，M，《利用时间编码从尖峰神经元学习的复杂性，信息与计算》，153，26-46，（1999）·Zbl 1045.68598号 ·doi:10.1006/inco.1999.2806
[19] 梅梅斯海默，RM；鲁宾，R；英国石油公司（BP）奥夫斯基（Oh lveczky）；Sompolinsky，H，《学习精确定时尖峰》，《神经元》，82925-938，（2014）·doi:10.1016/j.neuron.204.03.026
[20] 米什琴科，Y；Vogelstein，JT；Paninski，L，A“b”ayesian方法从钙荧光成像数据推断神经元连接，应用统计年鉴，51229-1261，（2011）·Zbl 1223.62162号 ·doi:10.1214/09-AOAS303
[21] 瑞崎，K；Sirota，A；Pastalkova，E；Buzsáki，G，Theta振荡为内嗅-海马环中的局部电路计算提供了时间窗口，神经元，64，267-280，（2009）·doi:10.1016/j.neuron.2009.08.037
[22] Mizuseki，K.、Sirota，A.、Pastalkova，E.、Diba，K.和Buzski，G.（2013）。当动物执行多种行为任务时，从不同的大鼠海马和内嗅区域进行多个单单位记录。CRCNS组织。
[23] 莫纳森，R；Cocco，S，从尖峰记录中快速推断随机整合和激发神经元组装中的相互作用，计算神经科学杂志，3199-227，（2011）·Zbl 1446.92156号 ·doi:10.1007/s10827-010-0306-8
[24] 摩尔·M和达文波特·M（2015）。通过霍克斯过程学习网络结构。在具有自适应稀疏结构表示（SPARS）的工作信号处理程序.
[25] Paninski，L，级联点过程神经编码模型的最大似然估计，网络：神经系统中的计算，15，243-262，（2004）·doi:10.1088/0954-898X_15_4_002
[26] 佩林，R；蒂克斯·伯杰（TK Berger）；Markram，H，皮层神经元群的突触组织原理，《美国国家科学院院刊》，1085419-5424，（2011）·doi:10.1073/pnas.1016051108
[27] 枕头，JW；Simoncelli，EP，非泊松尖峰生成引起的白噪声分析中的偏差，神经计算，52109-115，（2003）·doi:10.1016/S0925-2312（02）00822-6
[28] 枕头，JW；Shlens，J；帕宁斯基，L；谢尔，A；Litke，上午；Chichilnisky，E；Simoncelli，EP，《完整神经元群中的时空相关性和视觉信号》，《自然》，454995-999，（2008）·doi:10.1038/nature07140
[29] SM广场；谢弗，LK；Chklovskii，DB，走向大规模连接体重建，神经生物学的当前观点，25201-210，（2014）·doi:10.1016/j.conb.2014.01.019
[30] 拉米雷斯，AD；Paninski，L，通过预期对数似然快速推断广义线性模型，计算神经科学杂志，36，215-234，（2014）·Zbl 1382.92018年 ·文件编号：10.1007/s10827-013-0466-4
[31] Schur，J，Bemerkungen zur theorie der beschrankten bilinerformen mit unendlich vielen veranderlichen，《动物皮毛杂志》（Journal fur die Reine und Angewandte Mathematik），140，1-28，（1911）
[32] Soudry，D；Keshri，S；Stinson，P；哦，MH；艾扬格，G；Paninski，L，从高度亚采样的活动数据中对神经连接进行高效鸟枪式推断，《公共科学图书馆·计算生物学》，11，e1004464，（2015）·doi:10.1371/journal.pcbi.1004464
[33] 史蒂文森，国际卫生组织；Rebesco，JM；Hatsopoulos，NG；哈加，Z；米勒，LE；Körding，KP，从峰值中对功能连通性和网络结构进行贝叶斯推断，IEEE神经系统与康复工程学报，17203-213，（2009）·doi:10.1109/TNSRE.2008.2010471
[34] Van Bussel，F.、Kriener，B.、Timme，M.（2011年）。从时空棘波模式推断突触连接。计算神经科学前沿5。
[35] 瓦茨，DJ；Strogatz，SH，《小世界网络的集体动态》，《自然》，393，440-442，（1998）·兹比尔1368.05139 ·doi:10.1038/30918
[36] SJ赖特；罗德岛诺瓦克；Figueiredo，MA，通过可分离近似进行稀疏重建，IEEE信号处理汇刊，572479-2493，（2009）·兹比尔1391.94442 ·doi:10.1109/TSP.2009.2016892
[37] Zaytsev，Y；莫里森，A；Deger，M，从模拟尖峰活动中重建数千个神经元的反复突触连接，计算神经科学杂志，39，77-103，（2015）·Zbl 1382.92102号 ·doi:10.1007/s10827-015-0565-5
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。