神经脉冲流中大规模同步事件的高效发现
摘要：多神经元尖峰列的模式发现问题，为我们提供了对大脑中使用的多神经元编码的洞察，并帮助我们设计更好的脑-计算机接口。本文关注神经元群的同步射频，因为已经证明在编码和通信中起着重要作用。现在，借助大型电极阵列，可以同时记录数百个神经元在长时间内的尖峰活动。最近，已经开发出高效计算同步射频模式频率的技术。然而，当被观察的神经元数量增加时，可能模式的组合爆炸导致性能不佳。本文提出了一个时间数据挖掘方案，克服了许多这些问题。它从较小尺寸的频繁模式生成一组候选模式，而不是计算所有可能的模式。我们只计算某个明确定义的子集的出现次数，从而使过程更加高效。通过模拟，我们突出了这种方法相对于现有方法的计算优势。我们还提出了评估发现模式的统计显著性的方法。我们仅检测那些重复次数足够多以至于显著的模式，并能够自动设置用于数据挖掘应用的阈值。最后，我们讨论了这些方法对脑-计算机接口的有用性。
作者：Raajay Viswanathan and P. S. Sastry and K.P. Unnikrishnan
论文ID：1006.1543
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2010-06-09