彼得·兰斯基;劳拉·萨瑟多特;克里斯蒂娜·祖卡 γ更新过程是扩散-泄漏积分-核神经元模型的输出。 （英语） Zbl 1344.92037号 生物、网络。 110，第2-3号，193-200（2016）. 小结：棘波序列的统计特性以及其他神经生理学数据表明了神经元的一些数学模型。这些模型的范围从完全描述性的到从真实神经元的属性推导出来的。其中一种是基于吸收屏障限制的Ornstein-Uhlenbeck（OU）随机过程的扩散-泄漏积分-fire神经元模型，该模型可以根据其参数描述广泛的神经元活动。这些参数很容易与已知的生理机制相关联。另一个模型是描述性的伽马更新过程，其参数仅反映观测到的实验数据或假设的理论性质。这两种常用模型在这里都有关联。我们展示了在何种条件下，Gamma模型是扩散OU模型的输出。在某些情况下，我们可以看到，对于OU过程的所用参数，要实现伽马分布是不现实的。 引用于5文件 MSC公司： 92C20美元 神经生物学 关键词：首次通过问题;泄漏的积分和射孔;斯坦因神经元模型 PDF格式BibTeX公司 XML格式引用 \textit{P.Lansky}等人，《生物》。赛博。110，编号2--3，193-200（2016；Zbl 1344.92037） 全文： 内政部 arXiv公司 参考文献： [1] Abundo M（2012）具有随机起点的一维扩散的逆第一通过问题。统计概率快报82:7-14·Zbl 1231.60082号 ·doi:10.1016/j.spl.2011.09.005 [2] Atkinson KE（1989）数值分析导论，第二版。纽约威利·Zbl 0718.65001号 [3] Avila-Akeberg O，Chacron MJ（2011）《非更新尖峰序列统计：神经编码的原因和功能后果》。实验脑研究210:353-371·doi:10.1007/s00221-011-2553-y [4] Baker SN，Lemon RN（2000），猴子初级和辅助运动区的精确时空重复模式发生在偶然水平。神经生理学杂志84:1770-1780 [5] Benda J、Maler L、Longtin A（2010）具有适应电流或动态阈值的神经元模型中的线性与非线性信号传输。神经生理学杂志104:2806-2820·doi:10.1152/jn.00240.2010年 [6] Berger T，Levy WB（2010）《节能神经计算和通信的数学理论》。IEEE跨信息理论56:852-874·Zbl 1366.92013号 ·doi:10.1109/TIT.2009.2037089 [7] Buonocore A、Caputo L、Nobile AG、Pirozzi E（2015）限制Ornstein-Uhlenbeck过程及其在周期性输入信号神经元模型中的应用。计算机应用数学杂志285:59-71·Zbl 1328.60183号 ·doi:10.1016/j.cam.2015.01.042 [8] Burkitt AN（2006），《积分-核神经元模型综述：II》。非均匀突触输入和网络属性。生物网络95:97-112·Zbl 1161.92314号 ·doi:10.1007/s00422-006-0082-8 [9] Chacron MJ、Pakdaman K、Longtin A（2003），具有阈值疲劳的泄漏积分-堆芯模型中的堆芯间隙相关性、记忆、适应和耐火度。神经计算15:253-278·兹比尔1020.92007 ·doi:10.1162/089976603762552915 [10] Chen X，Cheng L，Chadam J，Saunders D（2011）扩散反边界穿越问题解的存在性和唯一性。Ann Appl问题21:1663-1693·Zbl 1244.60078号 ·doi:10.1214/10-AAP714 [11] Farkhooi F、Strube-Bloss MF、Nawrot MP（2009）《神经棘突序列的序列相关性：实验证据、随机建模和单神经元可变性》。物理版E 79:021905·doi:10.1103/PhysRevE.79.021905 [12] Gourevitch B，Eggermont JA（2007）检测尖峰序列中爆发的非参数方法。神经科学方法杂志160:349-358·doi:10.1016/j.jneumeth.2006.09.024 [13] Inoue J，Sato S，Ricciardi LM（1995）关于单神经元活动扩散模型的参数估计。I.应用于睡眠和清醒状态下中脑网状结构细胞的自发活动。生物网络73（3）：209-221·Zbl 0827.92009号 ·doi:10.1007/BF00201423 [14] Iolov A、Ditlevsen S、Longtin A（2014）Fokker-Planck和Fortet方程的参数估计，用于带有正弦和随机强迫的泄漏积分和火焰模型。数学神经科学杂志4:4·Zbl 1431.92011年 ·doi:10.1186/2190-8567-4-4 [15] Jolivet R、Lewis TJ、Gerstner W（2004）神经元活动的广义积分-圆心模型高度准确地逼近了详细模型的尖峰序列。神经生理杂志92:95-976·doi:10.1152/jn.00190.2004年 [16] Jones DL、Johnson EC、Ratnam R（2015）刺激依赖性棘波阈值是最佳的神经编码器。前端计算机神经学9:61·doi:10.3389/fncom.2015.00061 [17] Kang K，Amari S（2008）《尖峰时间和ISI分布的歧视》。神经计算20:1411-1426·Zbl 1137.92007号 ·doi:10.1162/neco.2007.07-07-561 [18] Kepler TB、Abbott LF、Marder E（1992），基于传导的神经元模型的减少。生物网络66:381-387·兹比尔0745.92006 ·doi:10.1007/BF00197717 [19] Kistler WM，Gerstner W，van Hemmen JL（1997）将Hodgkin-Huxley方程简化为单变量阈值模型。神经计算9:1015-1045·doi:10.1162/neco.1999.9.5.1015 [20] Kobayashi R，Tsubo T，Shinomoto S（2009），配备多时间尺度自适应阈值的Made-to-order尖峰神经元模型。前端计算机神经科学3:9·doi:10.3389/神经.10.009.2009 [21] Koyama S，Kostal L（2014）在速率编码假设下，峰间间隔统计对信息增益的影响。数学生物科学工程11:63-80·Zbl 1279.62219号 ·doi:10.3934/mbe.2014.11.63 [22] Lansky P，Sato S（1999）神经膜去极化和棘间隙生成的随机扩散模型。《周围神经系统杂志》4:27-42 [23] Lansky P，Ditlevsen S（2008）随机扩散-泄漏积分-核神经元模型中信号估计方法的综述。生物网络99:253-262·Zbl 1154.92012年 ·doi:10.1007/s00422-008-0237-x [24] Levine MW（1991）视网膜神经节细胞持续放电中神经脉冲间隔的分布。生物Cybern 65:459-467·doi:10.1007/BF00204659 [25] Lindner B（2004）外部驱动下首次通过时间的力矩。《统计物理学杂志》117:703-737·Zbl 1105.60054号 ·doi:10.1007/s10955-004-2269-5 [26] Maimon G，Assad JA（2009）《超越泊松：灵长类顶叶皮层的尖峰时间规律性增加》。神经元62:426-440·doi:10.1016/j.neuron.2009.03.021 [27] Omi T，Shinomoto S（2011）优化非泊松尖峰序列的时间直方图。神经计算23:3125-3144·Zbl 1237.92017年9月 ·doi:10.1162/NECO_a_00213 [28] Pekill G（2002）布朗第一通过密度的零极限。概率论相关领域124:100-111·Zbl 1004.60081号 ·doi:10.1007/s004400200208 [29] Plesser HE，Geisel T（2001），神经元模型中的随机共振：重新审视内源性刺激。物理版E 63:031916·doi:10.1103/PhysRevE.63.031916 [30] Rajdl K，Lansky P（2015），Stein的神经元模型与混合更新输入。生物网络109:389-399·Zbl 1344.92039号 ·doi:10.1007/s00422-015-0650-x [31] Ricciardi LM，Sacerdote L（1979）Ornstein-Uhlenbeck过程是神经元活动的模型。生物网络35:1-9·2010年4月14日 ·doi:10.1007/BF01845839 [32] Sacerdote L，Zucca C（2003）与Ornstein-Uhlenbeck神经元模型中的伽马发射分布相对应的阈值形状。科学数学Jpn 8:375-385·Zbl 1064.92011年 [33] Sacerdote L，Giraudo MT（2013）《随机积分和火灾模型：数学方法及其应用综述》。Lect Notes数学Stoch生物数学模型应用神经模型2058:99-148·Zbl 1390.92032号 [34] Sacerdote L，Villa AEP，Zucca C（2006）关于通过边界值通过随机泄漏积分和火灾模型建模的实验数据分类。《公牛数学生物学》68（6）：1257-1274·Zbl 1334.92080号 ·doi:10.1007/s11538-006-9107-7 [35] Segev I（1992）单神经元模型过于简单、复杂和简化。《神经科学趋势》15:414-421·doi:10.1016/0166-2236（92）90003-Q [36] Shimokawa T、Pakdaman K、Takahata T、Tanabe S、Sato S（2000）周期性受迫噪声泄漏积分和fire模型的首次分析。生物网络83:327-340·Zbl 0953.92007号 ·doi:10.1007/s004220000156 [37] Shimokawa T，Koyama S，Shinoto S（2010）作为尖峰列车模型的时间重标伽马过程的表征。计算机神经科学杂志29（1-2）：183-191·Zbl 1446.92171号 ·doi:10.1007/s10827-009-0194-y [38] Shinomoto S，Sakai Y，Funahashi S（1999）Ornstein-Uhlenbeck过程不会再现皮层神经元的尖峰统计。神经计算11:935-951·doi:10.1162/0899766999300016511 [39] Smith PL（2010）《从泊松散粒噪声到综合Ornstein-Uhlenbeck过程：决策和响应时间中信息积累的神经原理模型》。数学心理学杂志54:266-283·Zbl 1204.91119号 ·doi:10.1016/j.jmp.2009.12.002 [40] Soteropoulos DS，Baker SN（2009）《事件计时的量化神经编码》。神经生理学杂志101:402-417·doi:10.1152/jn.90767.2008年 [41] Stein RB（1965）神经元可变性的理论分析。生物物理学杂志5:385-386 [42] Thomas PJ（2011）超阈值Ornstein-Uhlenbeck过程首次通过时间密度的下限。应用概率杂志48（2）：420-434·Zbl 1242.60086号 ·doi:10.1239/jap/1308662636 [43] Tuckwell H（1988）理论神经生物学导论。剑桥大学出版社·Zbl 0647.92009号 ·doi:10.1017/CBO9780511623271 [44] Tuckwell HC，Richter W（1978），神经节间时间分布和神经生理学和神经解剖学参数的估计。《Theor生物学杂志》7（1）：167-183·doi:10.1016/0022-5193（78）90265-5 [45] Uhlenbeck GE，Ornstein LS（1930）关于布朗运动理论。物理版36:823-841·JFM 56.1277.03号机组 ·doi:10.1103/PhysRev.36.823 [46] Vilela RD，Lindner B（2009）白噪声驱动的积分神经元和激发神经元的输入参数是由速率和CV唯一决定的吗？《Theor生物学杂志》257:90-99·Zbl 1400.92027 ·doi:10.1016/j.jtbi.2008.11.004 [47] Yannaros N（1988）关于Cox过程和Gamma更新过程。应用概率杂志25:423-427·Zbl 0642.60064号 ·doi:10.2307/3214451 [48] Zucca C，Sacerdote L（2009）关于Wiener过程的逆一通时间问题。《应用概率年鉴》19（4）：1319-1346·Zbl 1173.60344号 ·doi:10.1214/08-AAP571 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。