首页> 中文学位 >基于泊松点过程的猕猴PMd与M1脑区脉冲神经信号关系建模
【6h】

基于泊松点过程的猕猴PMd与M1脑区脉冲神经信号关系建模

代理获取

目录

声明

摘要

图目录

表目录

1.1 课题背景与研究意义

1.2 神经元建模相关工作

1.2.1 仿真模型

1.2.2 线性模型

1.2.3 投影模型

1.2.4 通用线性模型

1.2.5 拟合优度统计量

1.3 本文章节设计

1.4 本章小结

2.1 引言

2.2 线性模型

2.2.1 一阶线性模型

2.2.2 高阶线性模型

2.2.3 线性模型总结

2.3 投影映射模型

2.3.1 Spike Triggered Average

2.3.2 Spike Triggered Covariance

2.3.3 投影映射模型总结

2.4 泊松通用线性模型

2.5 本章小结

3.1 引言

3.2 实验设计

3.2.1 植入微电极阵列

3.2.2 信号采集过程

3.2.3 猕猴实验环境

3.2.4 认知实验范式

3.3 数据处理

3.3.1 信道筛除与划分

3.3.2 原始信号离散化

3.3.3 构建模型自变量

3.4 本章小结

第4章 基于Poisson-GLM的脉冲信号拓展模型

4.1 引言

4.2 拟合优度统计量

4.2.1 Time Rescaling Theorem

4.2.2 Discrete Time Rescaling Theorem

4.3 Blending-GLM

4.3.1 构建思路

4.3.2 模型细节

4.4 DTRKS-GLM

4.4.1 构建思路

4.4.2 模型细节

4.5 本章小结

5.1 引言

5.2 基于DTRKS的模型拟合优度比较

5.2.1 各类模型总体性能比较

5.2.2 各类模型对应的DTRKS图比较

5.2.3 各类模型生成的概率序列比较

5.3 模型拟合优度影响因素

5.3.1 通道脉冲发放率对DTRKS的影响

5.3.2 滑动窗口大小对DTRKS的影响

5.4 基于GLM的模型可解释性讨论

5.5 本章小结

6.1 工作总结

6.2 未来展望

参考文献

攻读硕士学位期间主要的研究成果

致谢

展开▼

摘要

神经元脉冲信号的建模与预测是神经科学领域的重要研究问题。通过神经元建模来分析脉冲信号的发放特点,有助于研究学者们更加深刻地理解大脑在执行高级认知任务中的工作方式以及神经信息在不同脑区之间的传递方式,从而对大脑的生理特性有一个更好的认识,乃至建立脑机融合的神经假体。
  本文通过对猕猴PMd脑区与M1脑区的神经元脉冲信号构建数理统计模型,来定性、定量地分析二者之间的功能联系。PMd脑区与M1脑区在猕猴的高级认知活动中具有重要作用,对这两个脑区的神经元进行建模,有助于研究学者们深入了解两个脑区协同工作的方式细节。
  脉冲信号建模存在诸多挑战。例如,神经元脉冲信号本身包含非常丰富的信号发放特性,需要模型具备足够强的表达能力来表征脉冲信号的多样性;除此之外,神经元所传送的信息包含在脉冲信号点过程序列之中,需要模型能够针对脉冲信号的点过程特性充分挖掘特征。本文以泊松通用线性模型为基础,针对这几个问题提出了若干改进,全文的贡献点归纳如下:
  1.本文借鉴集成学习中混合模型的思想,训练若干个弱表征能力的子模型,并对其进行混合构成完整模型,从而增强模型整体的表达能力;
  2.本文通过将泊松通用模型对应的目标函数由最大化似然函数转化为优化Discrete Time Rescaling Kolmogorov Smirnov统计量,借此增强模型对神经元脉冲信号点过程特性的考量;
  3.本文通过实验从不同角度验证所提出的模型的预测能力,实验结果表明本文模型在拟合优度角度能够保持一个比较突出的结果,同时模型本身维持着一个较好的生物解释性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 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