• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Springer Open Choice >CuBIC: cumulant based inference of higher-order correlations in massively parallel spike trains
【2h】

CuBIC: cumulant based inference of higher-order correlations in massively parallel spike trains

机译：CuBIC：大规模并行峰值列车中基于累积量的高阶相关性推断

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recent developments in electrophysiological and optical recording techniques enable the simultaneous observation of large numbers of neurons. A meaningful interpretation of the resulting multivariate data, however, presents a serious challenge. In particular, the estimation of higher-order correlations that characterize the cooperative dynamics of groups of neurons is impeded by the combinatorial explosion of the parameter space. The resulting requirements with respect to sample size and recording time has rendered the detection of coordinated neuronal groups exceedingly difficult. Here we describe a novel approach to infer higher-order correlations in massively parallel spike trains that is less susceptible to these problems. Based on the superimposed activity of all recorded neurons, the cumulant-based inference of higher-order correlations (CuBIC) presented here exploits the fact that the absence of higher-order correlations imposes also strong constraints on correlations of lower order. Thus, estimates of only few lower-order cumulants suffice to infer higher-order correlations in the population. As a consequence, CuBIC is much better compatible with the constraints of in vivo recordings than previous approaches, which is shown by a systematic analysis of its parameter dependence.
机译：电生理学和光学记录技术的最新发展使得能够同时观察大量的神经元。然而，对所得多元数据的有意义的解释提出了严峻的挑战。特别地，参数空间的组合爆炸阻碍了表征神经元组协作动力学的高阶相关性的估计。由此产生的关于样本量和记录时间的要求使得协调神经元组的检测极其困难。在这里，我们描述了一种新颖的方法来推断大规模并行尖峰序列中的高阶相关性，这种方法不太容易受到这些问题的影响。基于所有记录的神经元的叠加活动，此处介绍的基于累积量的高阶相关性推断（CuBIC）利用了以下事实：缺少高阶相关性也对低阶相关性施加了强约束。因此，仅估计少数低阶累积量就足以推断总体中的高阶相关性。结果，与以前的方法相比，CuBIC与体内记录的约束条件具有更好的兼容性，这通过对其参数依赖性的系统分析得到证明。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号