卡罗·莱恩。；Kevrekidis，Ioannis G。 峰值时间相关塑性的无方程分析。 （英语） Zbl 1345.92041号 生物、网络。 109，第6号，701-714（2015）. 小结：尖峰时间依赖性可塑性是神经元触发动作电位的精确定时改变神经元之间连接强度的过程。我们考虑一个由一个完整的核心神经元组成的模型，该神经元接收来自大量（这里是1000个）泊松神经元的兴奋性输入，这些神经元的突触是可塑的。当在这些输入神经元的放电时间之间引入相关性时，突触强度的分布显示出有趣的、显然是低维的动力学行为。使用无方程技术在两个不同的参数范围内分析了这种行为，这绕过了相关低维动力系统的显式推导。我们演示了粗投影积分（它加速了动力系统的时间积分）和使用最近开发的数据挖掘技术来识别我们的复杂动力系统的适当低维描述模型。 引用于2文件 MSC公司： 92C20美元 神经生物学 92 C55 生物医学成像和信号处理 关键词：峰值时间相关塑性；无方程式；模型简化；神经元网络 软件：神经元 PDF格式BibTeX公司 XML格式引用 \textit{C.R.Laing}和\textit{I.G.Kevrekidis}，Biol。赛博。109，第6号，701--714（2015；Zbl 1345.92041） 全文： 内政部 参考文献： [1] Appleby PA，Elliott T（2006）在峰值时间相关塑性随机模型中，稳定的竞争动力学来自多峰值相互作用。神经计算18（10）：2414-2464·Zbl 1107.92010号 ·doi:10.1162/neco.2006.18.10.2414 [2] Appleby PA，Elliott T（2007），尖峰时间相关塑性随机模型中的多尖峰相互作用。神经计算19（5）：1362-1399·Zbl 1114.92009年 ·doi:10.1162/neco.2007.19.5.1362 [3] Avitabile D，Hoyle R，Samaey G（2014），基于随机代理模型的粗分岔分析中的降噪：消费者锁定示例。SIAM J Appl Dyn Syst 13（4）：1583-1619·Zbl 1408.91140号 ·数字对象标识代码：10.1137/140962188 [4] Bell CC，Han VZ，Sugawara Y，Grant K（1997）小脑样结构的突触可塑性取决于时间顺序。自然387（6630）：278-281·数字对象标识代码：10.1038/387278a0 [5] Bi GQ，Poo MM（1998）培养海马神经元的突触修饰：对放电时间、突触强度和突触后细胞类型的依赖性。神经科学杂志18（24）：10464-10472 [6] Bliss TV，Collingridge GL（1993）《记忆的突触模型：海马体的长期增强》。自然361（6407）：31-39·数字对象标识代码：10.1038/361031a0 [7] Brette R（2006）用突触电导精确模拟积分和纤芯模型。神经计算18（8）：2004-2027·2012年11月11日 ·doi:10.1162/neco.2006.18.8.2004年 [8] Brette R、Rudolph M、Carnevale T、Hines M、Beeman D、Bower JM、Diesmann M、Morrison A、Goodman PH、Harris FC Jr等人（2007）《尖峰神经元网络模拟：工具和策略综述》。计算机神经科学杂志23（3）：349-398·doi:10.1007/s10827-007-0038-6 [9] Burkitt AN，Gilson M，van Hemmen JL（2007）具有复发连接的神经元的尖峰时间依赖性可塑性。生物Cybern 96（5）：533-546·Zbl 1122.92002年 ·doi:10.1007/s00422-007-0148-2 [10] Burkitt AN、Meffin H、Grayden DB（2004），尖峰时间相关可塑性：由稳定不动点决定的权重动力学模型与基于速率的学习的关系。神经计算16（5）：885-940·Zbl 1054.92007年 ·doi:10.1162/089976604773135041 [11] Caporale N，Dan Y（2008）《尖峰时间依赖可塑性：赫比学习规则》。《神经科学年鉴》31（1）：25-46·doi:10.1146/annurev.neuro.31.060407.125639 [12] Chen CC，Jasnow D（2011），塑料尖峰神经网络的事件驱动模拟。物理评论E 84（3）：031908·doi:10.1103/PhysRevE.84.031908 [13] Coifman RR、Lafon S、Lee AB、Maggioni M、Nadler B、Warner F、Zucker SW（2005）《几何扩散作为调和分析和数据结构定义的工具：扩散图》。美国国家科学院院刊102（21）：7426-7431·Zbl 1405.42043号 ·doi:10.1073/pnas.0500334102 [14] DeVille RL，Peskin CS（2008）《完全随机神经网络中的同步与异步》，《公牛数学生物学》70（6）：1608-1633·Zbl 1166.92010号 ·doi:10.1007/s11538-008-9311-8 [15] Erban R、Frewen TA、Wang X、Elston TC、Coifman R、Nadler B、Kevrekidis IG（2007）《随机模型的无变量探索：基因调控网络示例》。化学物理杂志126（15）：155103·doi:10.1063/1.2718529 [16] Erban R，Kevrekidis I，Adalsteinson D，Elston T（2006）《基因调控网络：多尺度计算的粗粒度无方程方法》。化学物理杂志124（084）：106 [17] Ermentrout GB，Terman DH（2010）《数学发现神经科学》，第64卷。柏林施普林格·Zbl 1320.92002年 ·doi:10.1007/978-0-387-87708-2 [18] Ferguson AL、Panagiotopoulos AZ、Debenedetti PG、Kevrekidis IG（2010），使用扩散图系统地确定链动力学的序参数。国家科学院院刊107（31）：13597-13602·doi:10.1073/pnas.1003293107 [19] Gear C（2001）分布的投影积分方法。NEC技术报告TR 2001-130 [20] Gear CW、Kevrekidis IG、Theodoropoulos C（2002）《通过微观模拟器进行的“粗略”集成/分岔分析：微分叉方法》。计算机化学工程26（7）：941-963·doi:10.1016/S0098-1354（02）00020-0 [21] Gerstner W、Kempter R、van Hemmen JL、Wagner H等人（1996）亚毫秒时间编码的神经元学习规则。自然383（6595）：76-78·数字对象标识代码：10.1038/383076a0 [22] Gilson M、Burkitt AN、Grayden DB、Thomas DA、van Hemmen JL（2009），由于周期性神经元网络中的峰值时间依赖性可塑性而出现的网络结构。输入选择性——加强相关输入路径。生物网络101（2）：81-102·Zbl 1342.92018年 ·doi:10.1007/s00422-009-0319-4 [23] Golowasch J，Casey M，Abbott L，Marder E（1999），神经元传导的活动依赖性调节的网络稳定性。神经计算11（5）：1079-1096·doi:10.11162/089977699300016359 [24] Gradišek J，Siegert S，Friedrich R，Grabec I（2000）随机过程时间序列分析。Phys修订版E 62（3）：3146-3155·doi:10.1103/PhysRevE.62.3146 [25] Gütig R，Aharonov R，Rotter S，Sompolinsky H（2003）通过非线性时间不对称赫伯塑性学习输入相关性。神经科学杂志23（9）：3697-3714 [26] Izhikevich EM，Desai NS（2003）《STDP与BCM的关系》。神经计算15（7）：1511-1523·Zbl 1109.92307号 [27] Keener J，Sneyd J（1998）《数学物理》，第8卷。柏林施普林格·Zbl 0913.92009号 [28] Kempter R、Gerstner W、van Hemmen JL（1999）《希伯来学习和尖峰神经元》。物理版E 59:4498-4514。doi:10.1103/PhysRevE.59.4498·doi:10.1103/PhysRevE.59.4498 [29] Kevrekidis IG、Gear CW、Hyman JM、Kevreki did PG、Runborg O、Theodoropoulos C等人（2003）无方程、粗粒度多尺度计算：使微观模拟器能够执行系统级分析。公共数学科学1（4）：715-762·Zbl 1086.65066号 ·doi:10.4310/CMS.2003.v1.n4.a5 [30] Laing C，Frewen T，Kevrekidis I（2007），神经场模型中活动突变的粗粒度动力学。非线性20:2127·Zbl 1125.60061号 ·doi:10.1088/0951-7715/20/9/007 [31] Laing C、Frewen T、Kevrekidis I（2010）双目对抗简化模型。计算机神经科学杂志28（3）：459-476·doi:10.1007/s10827-010-0227-6 [32] Laing CR，Kevrekidis IG（2008）异质整体耦合振荡器的周期性受迫有限网络：低维方法。物理D 237（2）：207-215·Zbl 1139.34308号 ·doi:10.1016/j.physd.2007.08.013 [33] Lee SL，Gear CW（2007），多尺度问题的二阶精确投影积分器。计算机应用数学杂志201（1）：258-274。doi:10.1016/j.cam.2006.02.018·Zbl 1110.65063号 ·doi:10.1016/j.cam.2006.02.018 [34] Lim S，Rinzel J（2010），慢波神经元动力学中噪声诱导的转变。计算机神经科学杂志28（1）：1-17。文件编号：10.1007/s10827-009-0178-y·文件编号：10.1007/s10827-009-0178-y [35] Lubenov EV，Siapas AG（2008）通过传播延迟的神经元电路中的同步进行解耦。神经元58（1）：118-131·doi:10.1016/j.neuron.2008.01.036 [36] Markram H，Lübke J，Frotscher M，Sakmann B（1997）通过突触后AP和EPSP的巧合调节突触效能。《科学》275（5297）：213-215·doi:10.1126/science.275.5297.213 [37] Marschler C，Faust Ellsässer C，Starke J，van Hemmen JL（2014）神经元图谱中学习和结构形成的分支。欧洲物理快报108（4）：48005·doi:10.1209/0295-5075/108/48005 [38] Marschler C、Sieber J、Berkemer R、Kawamoto A、Starke J（2014）无方程分析的隐式方法：微观交通模型中的收敛结果和涌现波分析。SIAM应用动态系统杂志13（3）：1202-1238·Zbl 1308.90041号 ·数字对象标识代码：10.1137/130913961 [39] Meffin H，Besson J，Burkitt A，Grayden D（2006）使用稳定和竞争性峰值时间依赖性可塑性学习相关突触亚群的结构。物理版E 73（4）：041911·doi:10.1103/PhysRevE.73.041911 [40] Mikkelsen K，Imparato A，Torcini A（2013），具有峰值-时间依赖塑性的神经网络中缓慢集体振荡的出现。物理评论稿110（20）：208101·doi:10.1103/PhysRevLett.110.208101 [41] Morrison A、Aertsen A、Diesmann M（2007），平衡随机网络中的峰值时间相关塑性。神经计算19（6）：1437-1467·Zbl 1115.92011年 ·doi:10.1162/neco.2007.19.6.1437 [42] Ragwitz M，Kantz H（2001）从时间序列数据对福克-普朗克方程进行必要的有限时间修正。物理评论稿87（254）：501 [43] Roberts PD，Bell CC（2002），生物系统中的尖峰时间依赖性突触可塑性。生物网络87（5-6）：392-403·Zbl 1105.92327号 ·doi:10.1007/s00422-002-0361-y [44] Rubin J，Lee D，Sompolinsky H（2001）时间不对称赫布塑性的平衡特性。物理评论稿86（2）：364-367·doi:10.1103/PhysRevLett.86.364 [45] Setayeshgar S、Gear C、Othmer H、Kevrekidis I（2005）《粗积分在细菌趋化性中的应用》。多尺度模型仿真4（1）：307-327·Zbl 1082.92012年 ·数字对象标识代码：10.1137/030600874 [46] Smith JC、Abdala A、Koizumi H、Rybak IA、Paton JF（2007）哺乳动物脑干呼吸网络的空间和功能结构：三种振荡机制的层次结构。神经生理学杂志98（6）：3370-3387·数字对象标识代码：10.1152/jn.00985.2007 [47] Sonday BE、Haataja M、Kevrekidis IG（2009）《存在流动杂质时驱动界面动力学的粗粒度：通过扩散图的有效描述》。物理版E 80（031）：102 [48] Song S，Abbott L（2001）通过棘波时间依赖性可塑性进行皮层发育和重新映射。神经元32（2）：339-350·doi:10.1016/S0896-6273（01）00451-2 [49] Song S，Miller K，Abbott L（2000）通过尖峰时间依赖性突触可塑性进行竞争性赫伯学习。《自然神经科学》3:919-926·doi:10.1038/78229 [50] Sriraman S，Kevrekidis I，Hummer G（2005）填充-排空转变的粗非线性动力学和亚稳态：碳纳米管中的水。体检报告95（13）：130603·doi:10.1103/PhysRevLett.95.130603 [51] Turrigiano GG，Nelson SB（2004），发育中神经系统的稳态可塑性。《国家神经科学评论》5（2）：97-107·数字对象标识代码：10.1038/nrn1327 [52] Van Rossum M，Bi G，Turrigiano G（2000），从峰值时间依赖的可塑性中进行稳定赫布学习。神经科学杂志20（23）：8812-8821·Zbl 1114.92009年 [53] Zou Y、Fonoberov V、Fonoperova M、Mezic I、Kevrekidis I（2012）基于主体的社会模拟的模型简化：粗粒度民事暴力模型。物理版E 85（6）：066106·doi:10.1103/PhysRevE.85.066106 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。