机构名称：
¥ 1.0
如今，实验技术使科学家可以访问大量数据。为了从生成这些数据的复杂系统中获取可靠的信息，需要适当的分析工具。卡尔曼滤波器是一种经常使用的技术，可以推断出系统的模型，即从不确定观察结果中的模型参数。最近证明，卡尔曼过滤器的无味卡尔曼过滤器（UKF）的实现，能够推断一组耦合混乱振荡器的连通性。在这项工作中，我们测试UKF是否还可以重建一小组耦合神经元的连通性，而它们的链接是电气突触或化学突触。特别是我们认为Izhikevich神经元，并旨在推断哪些神经元相互影响，将模拟的尖峰列车视为UKF使用的实验观察结果。首先，我们验证UKF是否可以恢复单个神经元的参数，即使参数随时间变化。第二，我们分析了小型神经集合，并证明UKF允许推断神经元之间的连通性，即使是为了异构，有指导性和时间发展的网络。我们的结果表明，在这个非线性耦合系统中，可以进行时间有关的参数和耦合估计。
izhikevich的神经元小网络中的参数和耦合估计
主要关键词
相关文件推荐
