Analyzing large-scale spike trains data with spatio-temporal constraints - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2012

Analyzing large-scale spike trains data with spatio-temporal constraints

Résumé

Recent experimental advances have made it possible to record several hundred neurons simultaneously in the retina as well as in the cortex. Analyzing such a huge amount of data requires to elaborate statistical, mathematical and numer- ical methods, to describe both the spatio-temporal structure of the population activity and its relevance to sensory coding. Among these methods, the maxi- mum entropy principle has been used to describe the statistics of spike trains. Recall that the maximum entropy principle consists of xing a set of constraints, determined with the empirical average of quantities ("observables") measured on the raster: for example average ring rate of neurons, or pairwise corre- lations. Maximising the statistical entropy given those constraints provides a probability distribution, called a Gibbs distribution, that provides a statistical model to t the data and extrapolate phenomenological laws. Most approaches were restricted to instantaneous observables i.e. quantities corresponding to spikes occurring at the same time (singlets, pairs, triplets and so on).
Les récents progrès expérimentaux ont permis d'enregistrer plusieurs centaines de simultanément neurones de la rétine ainsi que dans le cortex. Analyser un tel énorme quantité de données nécessite d'élaborer des statistiques, mathématiques et de nom- méthodes iCal, pour décrire à la fois la structure spatio-temporelle de la population activité et sa pertinence pour codage sensoriel. Parmi ces méthodes, le maxi- principe de l'entropie maman a été utilisé pour décrire les statistiques de trains de potentiels. Rappelons que le principe de l'entropie maximale se compose de xing un ensemble de contraintes, déterminée par la moyenne empirique des quantités ("observables") mesurée sur la trame: pour le taux d'anneau exemple moyenne de neurones, ou par paires corres- tions. Maximiser l'entropie statistique compte tenu de ces contraintes constitue une distribution de probabilité, appelée distribution de Gibbs, qui donne une statistique modèle de t les données et extrapoler les lois phénoménologiques. La plupart des approches ont été limitées aux quantités observables instantanées dire correspondant à pointes se produisant en même temps (maillots, paires, triplets et ainsi de suite).

Domaines

Neurosciences
Fichier principal
Vignette du fichier
Nasser_etal.pdf (164.5 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-00756467 , version 1 (23-11-2012)

Identifiants

  • HAL Id : hal-00756467 , version 1

Citer

Hassan Nasser, Olivier Marre, Selim Kraria, Thierry Viéville, Bruno Cessac. Analyzing large-scale spike trains data with spatio-temporal constraints. NeuroComp/KEOpS'12 workshop beyond the retina: from computational models to outcomes in bioengineering. Focus on architecture and dynamics sustaining information flows in the visuomotor system., Oct 2012, Bordeaux, France. ⟨hal-00756467⟩
310 Consultations
130 Téléchargements

Partager

Gmail Facebook X LinkedIn More