小山、新介;罗伯特·E·卡斯。 刺激驱动的漏泄积分与核神经元的尖峰序列概率模型。 （英语） Zbl 1138.92009号 神经计算机。 1776-1795（2008）第7号第20页. 摘要：神经元的数学模型被广泛用于提高对神经元尖峰行为的理解。这些模型可以产生在重要方面与实际尖峰序列数据相似的人工尖峰序列，但它们不太容易应用于尖峰序列数据的分析。相反，基于尖峰序列点过程模型的统计方法提供了广泛的数据分析技术。文献中介绍了两种简化的点过程模型：时间尺度更新过程（TRRP）和乘法非齐次马尔可夫区间（m-IMI）模型。我们研究了TRRP和m-IMI模型能够在多大程度上拟合由刺激驱动的漏积分和激发（LIF）神经元产生的尖峰序列。在恒定刺激下，LIF尖峰序列是一个更新过程，m-IMI和TRRP模型将准确描述LIF尖锋序列的变异性。对于时变刺激，所有三种模型下的峰值概率取决于相对于刺激的实验时钟时间和自上一次峰值以来的时间，但对于LIF、m-IMI和TRRP模型则不同。我们评估了LIF模型与存在时变刺激的两个经验模型之间的距离。我们发现，虽然泊松模型对LIF尖峰序列数据的拟合不足，即使在小样本中也很明显，但m-IMI和TRRP模型往往拟合得很好，在统计证据表明m-IMI或TRRP模型拟合不足之前，需要更大的样本。我们还发现，当刺激的平均值随时间变化时，m-IMI模型比TRRP更适合LIF数据，而当刺激的方差随时间变化，TRRP则更适合。 引用于5文件 MSC公司： 92C20美元 神经生物学 60K20码 马尔可夫更新过程的应用（可靠性、排队网络等） 62页第10页 统计学在生物学和医学科学中的应用；元分析 关键词：Kullback-Leibler散度 PDF格式BibTeX公司 XML格式引用 \textit{S.Koyama}和\textit{R.E.Kass}，神经计算。20，第7号，1776--1795（2008；Zbl 1138.92009） 全文： 内政部 链接 参考文献： [1] DOI:10.1016/S0165-0270（00）00344-7·doi:10.1016/S0165-0270（00）00344-7 [2] 内政部：10.1162/08997660252741149·Zbl 0989.62060号 ·doi:10.1162/08997660252741149 [3] Brown E.N.，《神经科学杂志》，第18页，第7411页–（1998年） [4] 内政部：10.1162/089976601317098475·Zbl 1004.92006年 ·doi:10.1162/089976601317098475 [5] 内政部：10.1162/08997660152469314·Zbl 0985.92017号 ·doi:10.1162/08997660152469314 [6] 内政部：10.1152/jn.00648.2004·doi:10.1152/jn.00648.2004 [7] 内政部：10.1088/0305-4470/38/29/L04·Zbl 1077.82015年 ·doi:10.1088/0305-4470/38/29/L04 [8] 内政部：10.1007/s10827-006-8527-6·2013年9月9日Zbl ·doi:10.1007/s10827-006-8527-6 [9] DOI:10.11162/089976054322973·Zbl 1076.92011号 ·doi:10.11162/089976054322973 [10] 内政部：10.1088/0954-898X/15/4/002·doi:10.1088/0954-898X/15/4/002 [11] DOI:10.11162/08997604221797·Zbl 1180.62179号 ·doi:10.1162/0899766042321797 [12] DOI:10.1103/PhysRevE.59.7008·doi:10.1103/PhysRevE.59.7008 [13] Reich D.S.，《神经科学杂志》18页10090–（1998） [14] 内政部：10.1152/jn.00415.2003·doi:10.1152/jn.00415.2003年 [15] 内政部：10.1152/jn.00697.2004·文件编号：10.1152/jn.00697.2004 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。