摘要
尖峰序列的统计分析是神经编码的核心问题之一,可以通过多种方式进行。一种选择是基于模型,即假设尖峰序列数据的参数或半参数模型,如泊松模型,并将其用于解码尖峰序列。另一个选项是基于度量的,即选择一个度量来比较不同列车中尖峰的数量和位置,而不需要模型。后一种方法的一个突出思想是,根据对应尖峰排列所需的尖峰序列的时间扭曲测量值,推导出指标。我们建议使用功能数据分析中开发的思想,即相位振幅分量的定义和分离,作为分析尖峰序列和解码潜在神经信号的新工具。为了具体起见,我们介绍了一个真实的棘波序列数据集,该数据集取自猴子在进行某些手臂运动时的初级运动皮层的实验记录。为了便于函数数据分析,需要用高斯核平滑观测到的离散尖峰序列。
引用
下载引文
吴伟。
尼古拉斯·哈索普洛斯(Nicholas G.Hatsopoulos)。
Anuj Srivastava。
“介绍用于相位振幅分析的神经尖峰训练数据。”
电子。J.统计。
8
(2)
1759 - 1768,
2014
https://doi.org/10.1214/14-EJS865
问询处
出版时间:2014年
首次在欧几里德项目中提供:2014年10月29日
数字对象标识符:10.1214/14-EJS865
关键词:运动皮层,神经解码,神经科学尖峰训练,尖峰列车定线,尖峰训练指标
版权所有©2014 The Institute of Mathematical Statistics and The Bernoulli Society