×
苏珊·迪特列夫森;阿德琳·萨姆森

部分观测随机Morris-Lecar神经元模型的粒子滤波和随机逼近估计。 （英语） 兹比尔1454.62246

附录申请。斯达。 8，第2期，674-702（2014）。
摘要：仅观测到一个坐标的多维扩散模型中的参数估计在许多生物应用中具有高度相关性，但在统计学上是一个难题。在神经科学中，单个神经元的膜电位演化可以高频测量，但生物物理真实模型必须包括未观察到的离子通道动力学。其中一个模型是随机Morris-Lecar模型，由非线性二维随机微分方程定义。坐标是耦合的，也就是说，未观测到的坐标是非自治的，模型表现出振荡以模拟尖峰行为，这意味着它不是梯度型的，并且来自细胞内记录的测量噪声通常可以忽略不计。因此，隐马尔可夫模型框架退化，可用方法失效。本文的主要贡献是在这种不适定情况下的一种估计方法以及该方法的非共振收敛结果。具体来说，我们提出了一种序贯蒙特卡罗粒子滤波算法来插补未观测坐标，然后通过期望最大化算法的随机版本来估计最大化伪似然的参数。结果表明，即使控制未观测坐标离子通道的开闭的速率标度参数也可以合理估计。分析了红斑鸠脊髓运动神经元膜电位细胞内记录的实验数据集，并在模拟研究中对其性能进行了进一步评估。

引用于14文件

MSC公司：

2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
60J60型 扩散过程
65二氧化碳 蒙特卡罗方法
92C20美元 神经生物学

关键词：

序贯蒙特卡罗;扩散;伪似然;随机逼近期望最大化;运动神经元;基于电导的神经元模型;膜电位
PDF格式BibTeX公司 XML格式引用
\textit{S.Ditlevsen}和\textit{A.Samson}，Ann.Appl。Stat.8，No.2，674--702（2014；Zbl 1454.62246）
全文： 内政部 arXiv公司

参考文献：

[1] 阿伊特·萨哈利亚，Y.（2002年）。离散采样扩散的最大似然估计：一种闭式近似方法。《计量经济学》70 223-262·Zbl 1104.62323号 ·数字对象标识代码：10.1111/1468-0262.00274
[2] Andrieu，C.、Doucet，A.和Punskaya，E.（2001年）。最佳滤波的序贯蒙特卡罗方法。在实践79-95中的序贯蒙地卡罗方法中。纽约州施普林格·Zbl 1056.93568号 ·doi:10.1007/978-14757-3437-94
[3] Berg，R.W.、Alaburda，A.和Hounsgaard，J.（2007年）。平衡的抑制和兴奋驱动脊柱半中心的棘突活动。《科学》315 390-393。
[4] Berg，R.W.和Ditlevsen，S.（2013）。通过膜电位波动的时间常数估计突触抑制和兴奋。神经病学杂志。110 1021-1034.
[5] Berg，R.W.、Ditlevsen，S.和Hounsgaard，J.（2008年）。强烈的突触活动增强了脊髓运动神经元的时间分辨力。公共图书馆综合3 e3218。
[6] Beskos，A.、Papaspiliopoulos，O.、Roberts，G.O.和Fearnhead，P.（2006年）。离散观测扩散过程的精确且计算效率高的似然估计。J.R.Stat.Soc.系列。B统计方法。68 333-382. ·Zbl 1100.62079号 ·文件编号：10.1111/j.1467-9868.2006.00552.x
[7] Borg-Graham，L.J.、Monier，C.和Frégnac，Y.（1998年）。视觉输入在视觉皮层神经元中引起短暂和强烈的分流抑制。自然393 369-373。
[8] Cappé，O.，Moulines，E.和Rydén，T.（2005）。隐马尔可夫模型中的推理。纽约州施普林格·Zbl 1080.62065号
[9] Delyon，B.、Lavielle，M.和Moulines，E.（1999）。EM算法的随机近似版本的收敛性。Ann.Statist公司。27 94-128. ·Zbl 0932.62094号 ·doi:10.1214/aos/1018031103
[10] Del Moral，P.、Jacod，J.和Protter，P.（2001）。离散时间观测滤波的蒙特卡罗方法。普罗巴伯。理论相关领域120 346-368·Zbl 0979.62072号 ·doi:10.1007/s004400100128
[11] Del Moral，P.和Miclo，L.（2000）。Feynman-Kac公式的分支和相互作用粒子系统近似及其在非线性滤波中的应用。数学课堂笔记。1729 1-145. 柏林施普林格·Zbl 0963.60040号 ·doi:10.1007/BFb0103798
[12] Dempster，A.P.、Laird，N.M.和Rubin，D.B.（1977年）。通过EM算法从不完整数据中获得最大似然。J.罗伊。统计师。Soc.序列号。B 39 1-38·Zbl 0364.62022号
[13] Ditlevsen，S.和Greenwood，P.（2013）。Morris Lecar神经元模型嵌入了一个泄漏的积分和火灾模型。数学杂志。生物.67 239-259·Zbl 1315.60044号 ·doi:10.1007/s00285-012-0552-7
[14] Douc，R.、Garivier，A.、Moulines，E.和Olsson，J.（2011）。一般状态空间隐马尔可夫模型的序贯蒙特卡罗平滑。附录申请。普罗巴伯。21 2109-2145·Zbl 1237.60026号 ·doi:10.1214/10-AAP735
[15] Doucet，A.、de Freitas，N.和Gordon，N.（2001年）。序贯蒙特卡罗方法简介。实践3-14中的序贯蒙特卡罗方法。纽约州施普林格·Zbl 1056.93576号 ·doi:10.1007/978-14757-3437-9_1
[16] Doucet，A.、Godsill，S.和Andrieu，C.（2000）。贝叶斯滤波的序贯蒙特卡罗抽样方法。统计计算。10 197-208.
[17] Durham，G.B.和Gallant，A.R.（2002）。连续时间扩散过程最大似然估计的数值技术。J.总线。经济。统计师。20 297-338. 附有作者的评论和回复。
[18] Elerian，O.，Chib，S.和Shephard，N.（2001年）。离散观测非线性扩散的似然推断。《计量经济学》69 959-993·Zbl 1017.62068号 ·doi:10.1111/1468-0262.00226
[19] Eraker，B.（2001年）。扩散模型的MCMC分析及其在金融中的应用。J.总线。经济。统计师。19 177-191.
[20] Fearnhead，P.、Papaspiliopoulos，O.和Roberts，G.O.（2008）。用于部分观测扩散的粒子过滤器。J.R.Stat.Soc.系列。B统计方法。70 755-777. ·Zbl 05563368号 ·doi:10.1111/j.1467-9868.2008.00661.x
[21] Gerstner，W.和Kistler，W.M.（2002）。尖峰神经元模型：单神经元，群体，可塑性。剑桥大学出版社，剑桥·Zbl 1100.92501号
[22] Gobet，E.和Labart，C.（2008）。小时间内欧拉格式密度收敛的夏普估计。电子。Commun公司。普罗巴伯。13 352-363. ·Zbl 1188.65007号 ·doi:10.1214/ECP.v13-1393
[23] Golightly，A.和Wilkinson，D.J.（2006年）。非线性多元扩散的贝叶斯序贯推理。统计计算。16 323-338. ·数字对象标识代码：10.1007/s11222-006-9392-x
[24] Golightly，A.和Wilkinson，D.J.（2008）。误差观测非线性多元扩散模型的贝叶斯推断。计算。统计师。数据分析。52 1674年-1693年·Zbl 1452.62603号
[25] Gordon，N.J.、Salmond，D.J.和Smith，A.F.M.（1993）。非线性/非高斯贝叶斯状态估计的新方法。IEE诉讼-F 140 107-113。
[26] Huys，Q.J.M.、Ahrens，M.和Paninski，L.（2006）。详细单神经元模型的有效估计。《神经生理学杂志》。96 872-890.
[27] Huys，Q.J.M.和Paninski，L.（2009）。噪声生物物理记录的平滑和参数估计。公共科学图书馆计算。生物学5 e1000379，16·doi:10.1371/journal.pcbi.1000379
[28] Ionides，E.L.、Bhadra，A.、Atchadé，Y.和King，A.（2011年）。迭代过滤。安。统计。39 1776-1802. ·Zbl 1220.62103号 ·doi:10.1214/11-AOS886
[29] Jahn，P.、Berg，R.W.、Hounsgaard，J.和Ditlevsen，S.（2011年）。运动神经元膜电位遵循时间非均匀跳跃扩散过程。J.计算。神经科学。31 563-579. ·doi:10.1007/s10827-011-0326-z
[30] Jensen，A.C.、Ditlevsen，S.、Kessler，M.和Papaspiliopoulos，O.（2012）。FitzHugh-Nagumo模型参数估计的马尔可夫链蒙特卡罗方法。物理审查E 86 041114。
[31] Kalogeropoulos，K.（2007年）。一类具有不可观测路径的多元扩散的似然推理。J.统计。计划。推论137 3092-3102·Zbl 1114.62080号 ·doi:10.1016/j.jspi.2006.05.017
[32] Kloeden，P.和Neuenkirch，A.（2012年）。数学金融学中随机微分方程数值方法的收敛性。可从[math.NA]获取。1204.6620伏
[33] Künsch，H.R.（2005）。递归蒙特卡罗滤波器：算法和理论分析。Ann.Statist公司。33 1983-2021年·Zbl 1086.62106号 ·doi:10.1214/009053605000000426
[34] Liu，J.S.和Chen，R.（1998）。动态系统的序贯蒙特卡罗方法。J.Amer。统计师。协会93 1032-1044·Zbl 1064.65500号 ·doi:10.2307/2669847
[35] Longtin，A.（2013）。神经元噪音。学术媒体8 1618。
[36] Monier，C.、Fournier，J.和Frégnac，Y.（2008）。感觉皮层中诱发兴奋性和抑制性电导动力学的体外和体内测量。《神经科学杂志》。方法169 323-365。
[37] Morris，C.和Lecar，H.（1981年）。藤壶巨肌纤维中的电压振荡。生物物理学。期刊35 193-213。
[38] Pedersen，A.R.（1995）。基于离散观测的随机微分方程最大似然估计的一种新方法。扫描。《美国联邦法律大全》第22卷第55-71页·Zbl 0827.62087号
[39] Pokern，Y.、Stuart，A.M.和Wiberg，P.（2009年）。部分观测亚椭圆扩散的参数估计。J.R.Stat.Soc.系列。B统计方法。71 49-73. ·Zbl 1231.62152号 ·doi:10.1111/j.1467-9868.2008.00689.x
[40] Pospischil，M.、Piwkowska，Z.、Bal，T.和Destexhe，A.（2009年）。从单膜电位迹线中提取突触电导。神经科学。158 545-552.
[41] Rinzel，J.和Ermentrout，G.B.（1989年）。神经建模方法，神经兴奋性和振荡分析一章。麻省理工学院出版社，马萨诸塞州剑桥。
[42] Roberts，G.O.和Stramer，O.（2001）。关于使用Metropolis-Hastings算法推断部分观测到的非线性扩散模型。生物特征88 603-621·Zbl 0985.62066号 ·doi:10.1093/biomet/88.3.603
[43] Rudolph，M.、Piwkowska，Z.、Badoual，M.，Bal，T.和Destexhe，A.（2004）。一种从膜电位波动估计突触电导的方法。《神经生理学杂志》。91 2884-2896.
[44] Samson，A.和Thieullen，M.（2012年）。完全或部分观测到的亚椭圆扩散的对比度估计。随机过程。申请。122 2521-2552. ·Zbl 1242.62092号 ·doi:10.1016/j.spa.2012.04.006
[45] Sørensen，H.（2004年）。离散时间点观测到的扩散过程的参数推断：一项调查。国际统计版次72 337-354。
[46] Sørensen，M.（2012年）。扩散型过程的函数估计。随机微分方程的统计方法。单声道。统计师。申请。普罗巴伯。124 1-107. 佛罗里达州博卡拉顿CRC出版社·Zbl 1375.60124号 ·doi:10.1201/b12126-2
[47] Tateno，T.和Pakdaman，K.（2004）。Morris-Lecar神经模型的随机动力学。混乱14 511-530·Zbl 1080.92021 ·doi:10.1063/1.1756118
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。