神經(jīng)元動力學數(shù)據(jù)處理中的統(tǒng)計方法.pdf

1、大腦含有約1011個神經(jīng)元，這形成了高維的神經(jīng)元網(wǎng)絡。在神經(jīng)科學中，如何處理高維的神經(jīng)元動網(wǎng)絡力學數(shù)據(jù)是一個非常重要的問題。本文發(fā)展了有效的處理高維神經(jīng)元脈沖序列的統(tǒng)計方法。
　　數(shù)據(jù)的結(jié)構(gòu)可以從平均值、二階關(guān)聯(lián)直至高階關(guān)聯(lián)的角度來描述。本文研究了在最大熵原則下神經(jīng)元數(shù)據(jù)的低階結(jié)構(gòu)與高階結(jié)構(gòu)的關(guān)系。這里提到的最大熵模型是一個廣泛應用在各個領域的統(tǒng)計方法。一個只用平均值和二階關(guān)聯(lián)信息的二階最大熵模型可以很好地重構(gòu)大腦中多個區(qū)域神經(jīng)元

2、發(fā)放脈沖序列的分布，因為二階最大熵模型只用到二階結(jié)構(gòu)，所以它大大簡化了數(shù)據(jù)的復雜度。本文的研究目的是解釋二階最大熵模型的應用機制。本文針對這個問題做出了三個貢獻：第一，發(fā)現(xiàn)一個廣泛用來反映二階最大熵模型效果的指標具有誤導性，這給出了一個例子來說明不慎重使用熵來解釋現(xiàn)象會導致錯誤的結(jié)果；第二，應用微擾分析找到了一個二階最大熵模型可以重構(gòu)神經(jīng)元發(fā)放分布的可能機制，并在數(shù)值模擬和多電極實驗數(shù)據(jù)中驗證了我們提出的機制；第三，我們提出的機制解釋有

3、助于指導實驗人員使用最大熵模型處理神經(jīng)元數(shù)據(jù)。
　　通過對最大熵的研究可以知道二階關(guān)聯(lián)信息對于神經(jīng)元的高維數(shù)據(jù)的處理非常重要，而利用二階關(guān)聯(lián)信息來處理神經(jīng)元網(wǎng)絡數(shù)據(jù)的統(tǒng)計方法有待發(fā)展，這也是大家所關(guān)注的重要問題，特別是對于在短時間內(nèi)（幾百毫秒）連續(xù)記錄得到的脈沖序列。本文另一個研究目的是發(fā)展可以處理短時間記錄得到的高維神經(jīng)元數(shù)據(jù)的方法。基于對神經(jīng)元數(shù)據(jù)結(jié)構(gòu)的認識，我們提出了一個對神經(jīng)元數(shù)據(jù)預處理的辦法，分別將網(wǎng)絡中的每個神經(jīng)元數(shù)據(jù)