通过特征向量角度评估神经网络活动和连接的统计相似性
摘要：神经系统是网络，多个网络之间的战略比较是许多研究场景中普遍的任务。在本研究中，我们构建了一种用于比较表示神经网络的矩阵的统计检验方法，特别是比较尖峰活动和连接性之间的相关性。"特征角度检验"通过排名特征向量之间的角度来量化两个矩阵的相似性。我们使用随机相关尖峰活动模型来校准该检验对相关性矩阵的行为，并展示了它与经典的两样本检验（如科尔莫戈洛夫-斯米尔诺夫距离）的比较，即它能够评估两两测量的结构特征。此外，特征角度检验的原理可以用于比较某些类型网络的邻接矩阵的相似性。因此，该方法可以用于以相同的度量标准定量探索连接性和活动之间的关系。通过将特征角度检验应用于在特定突触重连干预前后的随机平衡网络模型的连接性矩阵和相关矩阵的比较，我们衡量了连接性特征对相互相关活动的影响。特征角度检验的潜在应用包括模拟实验、模型验证和数据分析。
作者：Robin Gutzen, Sonja Gr"un, Michael Denker
论文ID：2209.04024
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2023-02-08