机构名称：
¥ 1.0
从单细胞活动中重建神经元网络连接对于理解大脑功能至关重要，但从大量静默神经元中破译连接这一难题在很大程度上尚未解决。我们展示了一种使用刺激结合监督学习算法来获取模拟静默神经元网络连接的协议，该协议能够高精度地推断连接权重，并高精度地预测单脉冲和单细胞水平的脉冲序列。我们将我们的方法应用于大鼠皮层记录，这些记录通过异质连接的漏积分和放电神经元电路馈送，这些神经元以典型的对数正态分布发声，并证明在刺激多个亚群期间性能有所提高。这些关于所需刺激数量和协议的可测试预测有望增强未来获取神经元连接的努力，并推动新的实验以更好地理解大脑功能。
刺激介导的静默神经网络逆向工程
主要关键词
相关文件推荐
