马修·莫伊。;凯西·奥·迪克曼。 神经元状态和参数估计的数据同化方法。 （英语） Zbl 1405.92050 数学杂志。神经科学。 8，第11号论文，38页（2018年）. 摘要：本教程说明了如何使用数据同化算法来估计基于电导的神经元模型的未观察变量和未知参数。现代数据同化（DA）技术广泛应用于气候科学和天气预报，但最近才开始应用于神经科学。DA技术的两大类主要是序列方法和变分方法。我们提供了实现每个类中方法的基本版本的计算机代码，即无迹卡尔曼滤波器和4D-Var，并演示了如何使用这些算法从单个电压轨迹推断Morris-Lecar模型的几个参数。根据参数的不同，Morris Lecar模型由于潜在分叉结构的变化，表现出定性不同类型的神经元兴奋性。我们表明，当呈现来自每个不同兴奋性区域的电压轨迹时，DA方法可以识别产生正确分岔结构的参数集，即使初始参数猜测对应于不同的兴奋性区域。这证明了DA技术执行非线性状态和参数估计的能力，并引入了推断模型的几何结构，作为估计成功的一种新的定性度量。最后，我们讨论了神经科学文献中出现的DA算法的扩展。 引用于6文件 MSC公司： 92C20美元 神经生物学 关键词：数据同化;神经元兴奋性;基于电导的模型;参数估计 软件：L-BFGS公司;LBFGS-B型;合卡尔曼滤波;OPTI公司;github;Matlab公司;神经修复师;L-BFGS-B-C型;ADiGator公司;L-BFGS-B型 PDF格式BibTeX公司 XML格式引用 \textit{M.J.Moye}和\textit{C.O.Diekman}，J.Math。神经科学。8，第11号论文，38页（2018；Zbl 1405.92050） 全文： 内政部 参考文献： [1] 霍奇金AL，赫胥黎AF。膜电流的定量描述及其在神经传导和兴奋中的应用。公牛数学生物学。1990;52(1-2):25-71. ·doi:10.1007/BF02459568 [2] Meliza CD、Kostuk M、Huang H、Nogaret A、Margoliash D、Abarbanel HD。用基于电导的神经元模型估计参数和预测膜电压。Biol Cybern公司。2014;108:495-516. ·doi:10.1007/s00422-014-0615-5 [3] Lepora NF，Overton PG，Gurney K。从体细胞电流钳有效拟合基于电导的模型神经元。计算机神经科学杂志。2012;32(1):1-24. ·Zbl 1446.92146号 ·doi:10.1007/s10827-011-0331-2 [4] Carton JA，Giese BS。使用简单海洋数据同化（SODA）重新分析海洋气候。《Mon Weather Rev.2008》；136(8):2999-3017. https://doi.org/10.1175/2007MWR1978.1。 ·doi:10.1175/2007MWR1978.1 [5] Greybush SJ、Wilson RJ、Hoffman RN、Hoffman-MJ、Miyoshi T、Ide K等……热发射光谱仪温度反演的集成卡尔曼滤波数据同化到火星GCM中。地球物理研究杂志，行星。2012;117(11):1-17. [6] Reichle RH.地球科学中的数据同化方法。Adv Water Resour公司。2008;31(11):1411-8. https://doi.org/10.1016/j.advwatres.2008.01.001。 ·doi:10.1016/j.advwatres.2008.01.001 [7] Bauer P，Thorpe A，Brunet G。数值天气预报的安静革命。自然。2015;525(7567):47-55. ·doi:10.1038/nature14956 [8] Hoffman MJ、LaVigne NS、Scorse ST、Fenton FH、Cherry EM。使用数据同化重建三维折返心脏电波动力学。混沌，盘间J非线性科学。2016;26(1):013107. https://doi.org/10.1063/1.4940238。 ·数字对象标识代码：10.1063/1.4940238 [9] 阿普特，A。；Sarkar，S.（编辑）；Basu，U.（编辑）；De，S.（编辑），《数据同化简介》，31-42（2015） [10] Asch M、Bocquet M、Nodet M。数据同化：方法、算法和应用。算法基础。费城：SIAM；2016https://doi.org/10.1137/1.9781611974546 ·Zbl 1361.93001号 ·doi:10.1137/1.9781611974546 [11] 朱利尔，SJ；Uhlmann，JK，《无中心滤波与非线性估计》，第92期，第401-422页（2004年）·doi:10.1109/JPROC.2003.823141 [12] 新泽西州Gordon，Salmond DJ，Smith AFM。非线性/非高斯贝叶斯状态估计的新方法。IEE Proc F，公共雷达信号处理。1993;140(2):107-13. ·doi:10.1049/ip-f-2.1993.0015 [13] 刘杰。；韦斯特，M。；Doucet，A.（编辑）；Freitas，N.（编辑）；Gordon，N.（编辑），模拟滤波中的参数和状态组合估计，197-223（2001），纽约·Zbl 1056.93583号 ·doi:10.1007/978-1-4757-3437-9_10 [14] DelSole T，Yang X.随机动力学模型中的状态和参数估计。物理博士2010；239(18):1781-8. ·Zbl 1197.37100号 [15] Ullah G，Schiff SJ。同化发作动力学。公共科学图书馆计算生物学。2010;6（5）：e1000776。https://doi.org/10.1371/journal.pcbi.1000776。 ·doi:10.1371/journal.pcbi.1000776 [16] Berry T，Sauer T.非线性系统的自适应集成卡尔曼滤波。Tellus，Ser A Dyn Meteorol Oceanogr。2013;65(1):2031. https://doi.org/10.3402/tellusa.v65i0.20331 ·doi:10.3402/tellusa.v65i0.20331 [17] Sedigh-Sarvestani M，Schiff SJ，Gluckman BJ。利用数据同化重建哺乳动物的睡眠动力学。公共科学图书馆计算生物学。2012;8（11）：e1002788。https://doi.org/10.1371/journal.pcbi.1002788。 ·doi:10.1371/journal.pcbi.1002788 [18] Merwe，R。；Wan，EA，状态和参数估计的平方根无迹卡尔曼滤波器，第6期，3461-3464（2001），纽约·doi:10.1109/ICASSP.2001.940586 [19] Rotstein HG、Olarinre M、Golowasch J.动态补偿机制在振荡神经元模型中产生了周期和占空比水平集。神经生理学杂志。2016;116(5):2431-52. https://doi.org/10.1152/jn.00357.2016 ·doi:10.1152/jn.00357.2016年 [20] Walch OJ，Eisenberg MC。广义Hodgkin-Huxley模型中的参数可识别性和可识别组合。神经计算。2016;199:137-43. ·doi:10.1016/j.neucom.2016.03.027 [21] Stanhope S，Rubin JE，Swigon D。线性和线性参数动力系统从单个轨迹的可辨识性。SIAM应用动态系统杂志。2014;13(4):1792-815. https://doi.org/10.1137/130937913。 ·Zbl 1303.93066号 ·数字对象标识代码：10.1137/130937913 [22] Stanhope S，Rubin JE，Swigon D.不确定数据线性动力系统反问题解的鲁棒性。SIAM/ASA J不确定量化。2017;5(1):572-97. https://doi.org/10.1137/16M1062466。 ·Zbl 1391.93051号 ·doi:10.137/16M1062466 [23] Ermentrout GB，Terman DH。神经科学的数学基础。跨学科应用数学。第35卷。纽约：Springer；2010https://doi.org/10.1007/978-0-387-87708-2。 ·Zbl 1320.92002年 ·doi:10.1007/978-0-387-87708-2 [24] Izhikevich E.神经科学中的动力系统：兴奋性和爆发的几何学。剑桥：麻省理工学院出版社；2007 [25] Morris C，Lecar H。藤壶巨肌纤维中的电压振荡。《生物物理学杂志》1981；35(1):193-213. ·doi:10.1016/S0006-3495（81）84782-0 [26] 万，EA；Der Merwe，R.，非线性估计的无迹卡尔曼滤波器，153-158（2000）·doi:10.1109/ASSPCC2000.882463 [27] Byrd RH，Hribar ME，Nocedal J.大规模非线性规划的内点算法。SIAM J Optim公司。1999年；9(4):877-900. ·Zbl 0957.65057号 ·doi:10.1137/S1052623497325107 [28] Byrd RH，Gilbert JC，Nocedal J.基于内点技术的非线性规划信赖域方法。数学课程，A.2000；89:149-85. ·Zbl 1033.90152号 ·doi:10.1007/PL00011391 [29] Waltz RA、Morales JL、Nocedal J、Orban D。结合线搜索和信赖域步骤的非线性优化内部算法。数学课程，2006年硕士；107:391-408. ·Zbl 1134.90053号 ·doi:10.1007/s10107-004-0560-5 [30] Weinstein MJ，Rao AV。算法984:ADiGator，一个工具箱，用于在MATLAB中通过运算符重载使用源变换对数学函数进行算法微分。ACM Trans数学软件。2017;44（2）：1-25。https://doi.org/10.1145/3104990 ·Zbl 1484.65363号 ·数字对象标识代码：10.1145/3104990 [31] Kelly M.轨迹优化简介：如何进行自己的直接搭配。SIAM 2017版；59(4):849-904. ·兹比尔1474.37131 ·doi:10.1137/16M1062569 [32] Ye J、Rey D、Kadakia N、Eldridge M、Morone UI、Rozdeba P等……统计非线性状态和参数估计的系统变分方法。Phys Rev E，Stat非线性软物质Phys。2015;92(5):052901. https://doi.org/10.103/PhysRevE.92.052901。 ·doi:10.1103/PhysRevE.92.052901 [33] Rinzel，J。；Ermentrout，GB；Koch，C.（编辑）；Segev，I.（编辑），《神经兴奋性和振荡分析》，135-169（1989），剑桥 [34] Kadakia N，Armstrong E，Breen D，Morone U，Daou A，Margoliash D，et al.鸟类鸣叫系统中神经元的非线性统计数据同化。Biol Cybern公司。2016;110(6):417-34. https://doi.org/10.1007/s00422-016-0697-3。 ·Zbl 1382.92015年 ·doi:10.1007/s00422-016-0697-3 [35] Zhu C，Byrd RH，Lu P，Nocedal J.算法778:L-BFGS-B:大规模有界约束优化的Fortran子程序。ACM Trans数学软件。1997;23(4):550-60. ·Zbl 0912.65057号 ·doi:10.145/279232.279236 [36] Nocedal J.OPTI工具箱：用于优化的免费MATLAB工具箱。2018https://www.inverseproblem.co.nz/OPTI/index.php/Solvers/L-BFGS-B。2018-06-26访问。 [37] Becker S.L-BFGS-B-C.2018年。https://github.com/stephenbeckr/L-BFGS-B-C。2018-06-26访问。 [38] Olufsen理学硕士，Ottesen JT。一种实用的参数估计方法，用于模型预测心率调节。数学生物学杂志。2013;67(1):39-68. https://doi.org/10.1007/s00285-012-0535-8。 ·Zbl 1267.90148号 ·doi:10.1007/s00285-012-0535-8 [39] Abarbanel HDI、Shirman S、Breen D、Kadakia N、Rey D、Armstrong E、Margoliash D。复杂非线性网络中数据同化同步的统一观点。混乱。2017;27(12):126802. https://doi.org/10.1063/1.5001816。 ·Zbl 1390.92055号 ·数字对象标识代码：10.1063/1.5001816 [40] Law K，Stuart A，Zygalakis K.数据同化：数学导论。在应用数学课文中。第62卷。查姆：斯普林格；2015https://doi.org/10.1007/978-3-319-20325-6。 ·Zbl 1353.60002号 ·doi:10.1007/978-3-319-20325-6 [41] Voss HU、Timmer J、Kurths J.从不确定和间接测量中识别非线性动力系统。国际分叉混沌杂志。2004年；14(06):1905-33. https://doi.org/10.1142/S0218127404010345。 ·Zbl 1129.93545号 ·doi:10.1142/S0218127404010345 [42] Schiff，SJ，《神经控制工程：控制理论与神经科学之间新兴的交叉点》（2012），剑桥 [43] 魏毅。；乌拉·G。；帕雷克，R。；Ziburkus，J。；Schiff，SJ，《细胞内神经元电压和电流的卡尔曼滤波跟踪》，5844-5849（2011） [44] Hamilton F，Berry T，Peixoto N，Sauer T.使用数据同化实时跟踪神经元网络结构。物理评论E.2013；88(5):052715. https://doi.org/10.103/PhysRevE.88.052715。 ·doi:10.1103/PhysRevE.88.052715 [45] Lankarany M、Zhu WP、Swamy MNS。使用卡尔曼滤波联合估计Hodgkin-Huxley神经元模型的状态和参数。神经计算。2014;136:289-99. https://doi.org/10.1016/j.neucom.2014.01.003。 ·doi:10.1016/j.neucom.2014.01.003 [46] Evensen G.用于组合状态和参数估计的集合卡尔曼滤波器。IEEE控制系统杂志2009；29(3):83-104. http://ieeexplore.ieee.org/document/4939313/。 ·Zbl 1395.93534号 ·doi:10.1109/MCS.2009.932223 [47] 数据同化：集合卡尔曼滤波器。柏林：施普林格；2009https://doi.org/10.1007/978-3-642-03711-5。 ·Zbl 1157.86001号 ·doi:10.1007/978-3642-03711-5 [48] Hunt BR，Kostelich EJ，Szunyogh I.时空混沌的有效数据同化：局部集合变换卡尔曼滤波器。物理D：非线性现象。2007;230(1-2):112-26. ·Zbl 1115.62030号 ·doi:10.1016/j.physd.2006.11.008 [49] Ditlevsen S，Samson A.使用粒子滤波和随机近似方法对部分观测的随机Morris-Lecar神经元模型进行估计。Ann Appl Stat.2014；8(2):674-702. http://project欧几里得.org/euclid.oaS/1404229510。 ·Zbl 1454.62246号 ·doi:10.1214/14-AOAS729 [50] Meng L，Kramer MA，Middleton SJ，Whittington MA，Eden UT。连接尖峰序列数据的实验、统计和计算分析的统一方法。《公共科学图书馆·综合》。2014;9（1）：e85269。https://doi.org/10.1371/journal.pone.0085269。 ·doi:10.1371/journal.pone.0085269 [51] Huys QJM，Paninski L.噪声生物物理记录的平滑和参数估计。公共科学图书馆计算生物学。2009;5（5）：e1000379。https://doi.org/10.1371/journal.pcbi.1000379。 ·doi:10.1371/journal.pcbi.1000379 [52] Abarbanel H.预测未来：完成观察到的复杂系统的模型。了解复杂系统。纽约：Springer；2013https://books.google.com/books？id=Vne5BQAAQBAJ。 ·Zbl 1281.62212号 ·doi:10.1007/978-1-4614-7218-6 [53] Wang J，Breen D，Akinin A，Broccard F，Abarbanel HDI，Cauwenberghs G.神经形态VLSI中生物物理神经元动力学的同化。IEEE跨生物识别电路系统。2017;11(6):1258-70. ·doi:10.1109/TBCAS.2017.2776198 [54] Kostuk M、Toth BA、Meliza CD、Margoliash D、Abarbanel HDI。神经元和网络特性的动态估计II：路径积分蒙特卡罗方法。Biol Cybern公司。2012;106(3):155-67. ·Zbl 1387.92018年9月 ·doi:10.1007/s00422-012-0487-5 [55] Toth BA、Kostuk M、Meliza CD、Margoliash D、Abarbanel HDI。神经元和网络特性的动态估计I：变分方法。Biol Cybern公司。2011;105(3-4):217-37. https://doi.org/10.1007/s00422-011-0459-1。 ·Zbl 1248.92015年 ·doi:10.1007/s00422-011-0459-1 [56] Abarbanel HDI，Creveling DR，Farsian R，Kostuk M.动力学状态和参数估计。SIAM应用动态系统杂志。2009;8(4):1341-81. https://doi.org/10.1137/090749761。 ·Zbl 1175.49026号 ·数字对象标识代码：10.1137/090749761 [57] Lakshmivarahan，S。；Lewis，JM公司；Park，SK（编辑）；Xu，L.（编辑），《微调方法：批判性概述》，27-57（2013），柏林·doi:10.1007/978-3642-35088-72 [58] Brookings T，Goeritz ML，Marder E.通过控制调整最小化跟踪误差，实现多室神经元模型的自动参数估计。神经生理学杂志。2014;112(9):2332-48. https://doi.org/10.1152/jn.0007.2014。 ·doi:10.1152/jn.0007.2014年 [59] Van Geit W，De Schutter E，Achard P.自动化神经元模型优化技术：综述。生物Cybern。2008;99(4-5):241-51. ·Zbl 1154.92013年 ·doi:10.1007/s00422-008-0257-6 [60] Rossant C.放电神经元模型与电生理记录的自动拟合。前沿神经信息学。2010;4:2. https://doi.org/10.3389/neuro.11.002.2010。 ·doi:10.3389/神经.11.002.2010 [61] Huys QJM公司。详细单神经元模型的有效估计。神经生理学杂志。2006;96(2):872-90. https://doi.org/10.1152/jn.00079.2006。 ·doi:10.1152/jn.0079.2006 [62] Haufler D，Morin F，Lacaille JC，Skinner FK。使用基于同步的方法估计单室神经元模型中的参数。神经计算。2007;70(10-12):1605-10. ·doi:10.1016/j.neucom.2006.10.041 [63] Deb K，Pratap A，Agarwal S，Meyarivan T。一种快速的精英多目标遗传算法：NSGA-II。IEEE Trans-Evol计算。2002;6(2):182-97. ·数字对象标识代码：10.1109/4235.996017 [64] Fox DM，Tseng HA，Smolinski TG，Rotstein HG，Nadim F.多共振离子电流神经元膜电位共振的产生机制。公共科学图书馆计算生物学。2017;13(6):1-30. ·doi:10.1371/journal.pcbi.1005565 [65] Tien JH，Guckenheimer J.突发神经模型的参数估计。计算机神经科学杂志。2006;24:359-73. [66] Lu J，Engl HW，Schuster P.逆分歧分析：在简单基因系统中的应用。算法分子生物学。2006;1:11. https://doi.org/10.1186/1748-7188-1-11。 ·doi:10.186/1748-7188-1-11 [67] Engl HW、Flamm C、Kügler P、Lu J、Müller S、Schuster P。系统生物学中的反问题。反向探测。2009;25:1-51. ·Zbl 1193.34001号 ·doi:10.1088/0266-5611/25/12/123014 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。