亚沙尔·艾哈迈迪安;乔纳森·皮洛(Jonathan W.Pillow)。;利亚姆·帕宁斯基 解码神经尖峰序列的高效马尔可夫链蒙特卡罗方法。 (英语) Zbl 1217.92022号 神经计算。 第1号第23页,46-96页(2011年). 摘要:刺激重建或解码方法为理解感觉和运动信息如何在神经活动中表示提供了重要工具。我们讨论了基于编码广义线性模型(GLM)的贝叶斯解码方法,该模型准确描述了刺激如何转换为神经元组的棘波序列。GLM似然的形式确保了引起一组观察到的尖峰序列的刺激的后验分布与先验分布一样是对数凹的。这允许使用有效的优化算法获得最大后验(MAP)刺激估计。不幸的是,当后验函数高度非高斯时,MAP估计可能会有相对较大的平均误差。我们比较了几种马尔可夫链蒙特卡罗(MCMC)算法,这些算法允许计算涉及后验期望的一般贝叶斯估计量(以模型参数为条件)。对于高斯先验,混合蒙特卡罗(HMC)算法的有效版本明显优于其他MCMC方法。另一方面,当先验分布具有尖锐的边缘和角点时,“击中并逃跑”算法的性能优于其他MCMC方法。使用这些算法,我们表明,对于后一类先验,后验平均估计的平均误差比MAP低得多,而对于高斯先验,这两种估计的效率大致相等。我们还讨论了MCMC方法在提取后验分布的非边缘属性方面的应用。例如,通过使用MCMC计算刺激和响应之间的互信息,我们验证了在广泛的模型参数范围内,高斯先验对该量的计算效率拉普拉斯近似的有效性;这使得相互信息的直接基于模型的计算即使在观测到的大量神经种群的情况下也是可以处理的,其中基于尖峰序列的装箱方法失败了。最后,我们考虑了GLM参数的不确定性对后验估计量的影响。 引用于11文件 MSC公司: 92C20美元 神经生物学 62页第10页 统计学在生物学和医学中的应用;元分析 2015年1月62日 贝叶斯推断 62J12型 广义线性模型(逻辑模型) 65立方厘米 马尔可夫链的数值分析或方法 65二氧化碳 蒙特卡罗方法 软件:ts桥 PDF格式BibTeX公司 XML格式引用 \textit{Y.Ahmadian}等人,《神经计算》。23,第1号,46--96(2011;Zbl 1217.92022) 全文: 内政部 参考文献: [1] 内政部:10.1162/08997669900016827·doi:10.1162/0899766999300016827 [2] DOI:10.11162/089976040322742038·Zbl 1047.92008年 ·数字对象标识代码:10.1162/089976604322742038 [3] 内政部:10.1016/0021-9991(76)90078-4·doi:10.1016/0021-9991(76)90078-4 [4] Berger J.,统计决策理论和贝叶斯分析(1993) [5] 内政部:10.1126/science.2063199·doi:10.1126/science.2063199 [6] DOI:10.1007/BF00318010·Zbl 0646.92007号 ·doi:10.1007/BF00318010 [7] 内政部:10.1080/01621459.1992.10475205·doi:10.1080/01621459.1992.10475205 [8] 内政部:10.1152/jn.00438.2003·doi:10.1152/jn.00438.2003年 [9] Brooks S.,J.计算。图表。统计师。第7页,434页–(1998年) [10] 内政部:10.1201/9780203494462.ch9·doi:10.1201/9780203494462.4h9 [11] Brown E.,《神经科学杂志》,第18页,第7411页–(1998年) [12] 内政部:10.1080/01621459.1995.10476508·doi:10.1080/01621459.1995.10476508 [13] 内政部:10.1080/713663221·Zbl 0969.92007 ·doi:10.1080/713663221 [14] Davis R.,《中国统计》,第15页,第381页–(2005年) [15] 大研P.,理论神经科学(2001)·Zbl 1051.92010年 [16] DOI:10.1093/biomet/88.4.1055·兹比尔0986.62026 ·doi:10.1093/biomet/88.4.1055 [17] 内政部:10.1038/nn947·doi:10.1038/nn947 [18] 内政部:10.1007/978-1-4757-3437-9·Zbl 0967.00022号 ·doi:10.1007/978-1-4757-3437-9 [19] 内政部:10.1016/0370-2693(87)91197-X·doi:10.1016/0370-2693(87)91197-X [20] 内政部:10.1162/089976604773135069·Zbl 1054.92008年 ·doi:10.1162/089976604773135069 [21] DOI:10.10109英镑/英镑2006.888821·doi:10.1109/TBME.2006.888821 [22] DOI:10.1023/A:1018509429360·doi:10.1023/A:1018509429360 [23] DOI:10.1093/biomet/85.1.215·Zbl 0904.62083号 ·doi:10.1093/biomet/85.1.215 [24] Gelman A.,贝叶斯数据分析(2004)·Zbl 1117.62343号 [25] 内政部:10.1109/TPAMI.1984.4767596·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596 [26] Gerwinn S.,前。计算。神经科学。3(21)第1页–(2009) [27] 数字对象标识码:10.1214/ss/117701137·Zbl 0085.18501号 ·doi:10.1214/ss/117701137 [28] Gilks W.R.,贝叶斯统计4 pp 641–(1992) [29] 内政部:10.2307/2347565·Zbl 0825.62407号 ·doi:10.2307/2347565 [30] 内政部:10.1198/016214500000151·Zbl 1089.62517号 ·doi:10.1198/016214500000151 [31] 内政部:10.1093/biomet/57.197·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97 [32] DOI:10.1371/journal.pcbi.1000379·doi:10.1371/journal.pcbi.1000379 [33] 内政部:10.1080/10618600.1999.10474849·doi:10.1080/10618600.1999.10474849 [34] DOI:10.1093/biomet/asm074·Zbl 1156.62350号 ·doi:10.1093/biomet/asm074 [35] 内政部:10.1152/jn.00278.2005·doi:10.1152/jn.00278.2005年 [36] 内政部:10.1090/conm/115/07·doi:10.1090/conm/115/07 [37] Kelly R.,《神经信息处理系统的进展》,第15页,1359页–(2004) [38] 内政部:10.1016/0920-5632(96)00173-9·doi:10.1016/0920-5632(96)00173-9 [39] DOI:10.1007/BF01210789·Zbl 0588.60058号 ·doi:10.1007/BF01210789 [40] 内政部:10.1109/TNS.2004.832706·doi:10.1109/TNS.2004.832706 [41] 内政部:10.1145/1007352.1007403·Zbl 1192.68371号 ·数字对象标识代码:10.1145/1007352.1007403 [42] Maynard E.,《神经科学杂志》第19期第8083页–(1999年) [43] 内政部:10.1007/978-1-4899-3242-6·Zbl 0588.62104号 ·doi:10.1007/9781-4899-3242-6 [44] 孟晓乐,《中国统计》第6卷第831页–(1996) [45] 内政部:10.1063/1.1699114·数字对象标识代码:10.1063/1.1699114 [46] 内政部:10.1007/978-1-4612-0745-0·doi:10.1007/978-1-4612-0745-0 [47] 牛顿医学硕士,《皇家统计学会杂志》。B系列(方法学)56(1)第3页–(1994) [48] 内政部:10.1162/089976603321780272·Zbl 1052.62003年 ·doi:10.1162/089976603321780272 [49] 内政部:10.1088/0954-898X/15/4/002·doi:10.1088/0954-898X/15/4/002 [50] 数字对象标识码:10.1007/s10827-009-0179-x·文件编号:10.1007/s10827-009-0179-x [51] DOI:10.1523/JNEUROSCI.0919-04.2004·doi:10.1523/JNEUROSCI.0919-04.2004 [52] Paninski L.,神经科学中的随机方法(2008) [53] DOI:10.1162/NECO_a_00058·兹比尔1204.92023 ·doi:10.1162/NECO_a_00058 [54] 内政部:10.1038/nature07140·doi:10.1038/nature07140 [55] 内政部:10.1017/S0952523800011743·文件编号:10.1017/S0952523800011743 [56] Rieke F.,《Spikes:探索神经代码》(1997)·Zbl 0912.92004号 [57] Robert C.,蒙特卡洛统计方法(2005) [58] 内政部:10.1111/1467-9868.00123·兹比尔0913.60060 ·doi:10.1111/1467-9868.00123 [59] 数字对象标识码:10.1214/ss/1015346320·兹比尔1127.65305 ·doi:10.1214/ss/1015346320 [60] Roberts G.O.,《生物特征2》第341页–(1996年) [61] 内政部:10.1162/neco.1996.1.29·doi:10.1162/neco.1996.1.29 [62] 内政部:10.1093/biomet/84.3.653·Zbl 0888.62095号 ·doi:10.1093/biomet/84.3.653 [63] DOI:10.1523/JNEUROSCI.1282-06.2006·doi:10.1523/JNEUROSCI.1282-06.2006 [64] 内政部:10.1109/TBME.2005.847542·doi:10.10109/TBME.2005.847542 [65] Simoncelli E.,《认知神经科学》,3。编辑(2004) [66] DOI:10.1523/JNEUROSCI.2908-03.2004·doi:10.1523/JNEUROSCI.2908-03.2004 [67] 内政部:10.1152/jn.00946.2006·doi:10.1152/jn.00946.2006 [68] 内政部:10.1007/978-1-4612-3166-0·doi:10.1007/978-1-4612-3166-0 [69] 内政部:10.1109/IEMBS.20011.019066·doi:10.1109/IEMBS.20011.019066 [70] 内政部:10.1103/PhysRevLett.80.197·doi:10.1103/PhysRevLett.80.197 [71] 内政部:10.1088/0954-898X/12/3/304·Zbl 0997.92005号 ·doi:10.1088/0954-898X/12/3/304 [72] Tierney L.,探索后验分布的马尔可夫链(1991)·Zbl 0829.62080号 [73] DOI:10.1080/016214591986.10478240·doi:10.1080/01621459.1986.10478240 [74] 内政部:10.1152/jn.00697.2004·文件编号:10.1152/jn.00697.2004 [75] DOI:10.1093/biomet/74.3.579·Zbl 0628.62054号 ·doi:10.1093/biomet/74.3.579 [76] Wallstrom G.,《统计软件杂志》26(1),第1页–(2007) [77] Warland D.,《神经生理学杂志》,第78页,第2336页–(1997年) [78] 内政部:10.1109/TBME.2004.826666·doi:10.1109/TBME.2004.826666 [79] 内政部:10.1152/jn.90941.2008·doi:10.1152/jn.90941.2008 [80] 张凯,《神经生理学杂志》79 pp 1017–(1998) 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。