试验匹配：用数据约束的脉冲神经网络捕捉变异性
摘要：行为和电生理记录要求新的方法来揭示神经活动和行为之间的相互作用。一个里程碑将是一个可解释的模型，能解释跨试验期间尖峰活动和行为的协变性。在这里，我们在一个触觉检测任务中对一个大型经络尖峰神经网络（RSNN）建模，通过基于梯度的优化来拟合记录。我们特别关注在数据中匹配试验对试验变异性的困难。我们的解决方案依赖于最优传输，以定义生成和记录试验之间的分布之间的距离。该技术应用于人工数据和涵盖六个脑区的神经记录。我们发现，生成的RSNN能够产生逼真的大脑活动并预测试验对试验变异性的主要模式下的下颌运动。我们的分析还发现了与任务无关的鼠标运动对应的意外变异模式。
作者：Christos Sourmpis, Carl Petersen, Wulfram Gerstner, Guillaume Bellec
论文ID：2306.03603
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2023-06-07