我们开发了一个通用的基于likelihood的框架，用于估计神经放电率，该框架旨在选择时间平滑参数，以最大化丢失数据的可能性。该通用框架依赖于算法，因此可以应用于多种既定的发射率或条件强度估计方法。作为使用通用框架的一个简单例子，我们将其应用于刺激周围时间直方图和核平滑器，这是电生理学文献和实践中最广泛用于发射率估计的方法。在这样做的过程中，我们说明了该框架的使用如何将一般点过程似然用作原则成本函数，并可以为即使是最基本的速率估计算法的估计精度提供实质性改进。特别是，得到的核平滑器易于实现，计算效率高，并且可以从单个尖峰序列中准确地确定给定速率过程的带宽。我们进行了一项模拟研究，以说明似然框架如何使内核平滑器选取最能预测缺失数据的带宽参数，并展示了对实际实验尖峰序列数据的应用。此外，我们讨论了一般似然框架如何与更复杂的发射率和条件强度估计方法结合使用，并建议了可能的应用。
