摘要8神经种群动力学由许多细胞,突触和网络特性塑造。不仅要9了解电路参数的协调变化如何改变神经活动,而且当动态不受影响的情况下,或不变的变化时,也很重要。计算建模揭示了单个神经元和小11个电路中的不变,这些电路被认为反映了它们对可变性和扰动的稳健性。但是,将这12个见解概括为皮质和其他大脑区域的较大电路仍然具有挑战性。一个关键的瓶颈在于具有尖峰网络模型的13个神经回路的反向建模,即识别量化对动力学14在神经记录中观察到的动力学14的参数配置。在这里,我们提出了从神经动力学(Automind)的自动化模型推断,以有效发现不变电路模型配置。自动源具有自适应16个尖峰神经元和聚类连接性的机械模型,该模型显示出丰富的时空动力学。概率17深生成模型(仅在网络模拟上进行训练),然后返回许多参数配置,一致18,具有给定的神经活动目标观察。应用于几个数据集,Automind发现了早期发育中人类脑类器官中同步网络爆发的电路模型19,以及捕获小鼠海马和皮质中神经偶像记录的20个复杂频率曲线的模型。在每种情况下,我们都会获得21个组成(非线性)参数子空间的配置,其中人口动态保持22不变。令人惊讶的是,不变子空间的全局和局部几何形状并不固定,但在不同的23个动态方面有所不同。一起,我们的结果阐明了24个种群动态的基础电路参数的动态依赖性不向导,同时证明了自动源对神经回路的反向建模的灵活性。25
摘要 8 神经群体动态受许多细胞、突触和网络特性的影响。不仅要了解电路参数的协调变化如何改变神经活动,而且要了解动态何时不受此类变化的影响或对此类变化保持不变。计算建模揭示了单个神经元和小电路中的不变性,这些不变性被认为反映了它们对变化和扰动的鲁棒性。然而,将这些见解推广到皮层和其他大脑区域的较大电路仍然具有挑战性。一个关键的瓶颈在于使用脉冲网络模型对神经回路进行逆向建模,即识别与神经记录中观察到的动态定量匹配的参数配置。在这里,我们提出了神经动力学自动模型推断 (AutoMIND),以有效发现不变的电路模型配置。 AutoMIND 利用具有自适应 16 脉冲神经元和群集连接的机械模型,该模型显示了丰富的时空动态。概率 17 深度生成模型(仅在网络模拟上训练)然后返回与给定目标神经活动观察一致的许多参数配置。应用于多个数据集后,AutoMIND 发现了人类大脑类器官在早期发育过程中同步网络爆发的电路模型 19,以及捕捉小鼠海马和皮层中神经像素记录的复杂频率曲线的模型 20。在每种情况下,我们都获得了 21 数百种配置,这些配置组成一个(非线性)参数子空间,其中种群动态保持不变 22。令人惊讶的是,不变子空间的全局和局部几何形状并不固定,而是因不同的动态而异 23。总之,我们的研究结果揭示了不同 24 种群体动态背后的电路参数的动态相关不变性,同时展示了 AutoMIND 在神经电路逆向建模方面的灵活性。25
Waasdorp,T。E.,Lindstrom Johnson,S.,Shukla,K。D.和Bradshaw,C。P.(2020)。测量学校气候:中学和高中生的不变性。儿童与学校,42(1),53-62。https://doi.org/10.1093/cs/cdz026https://doi.org/10.1093/cs/cdz026
巴尔的摩县法规 (BCC) 第 32-4-213 节要求提交概念规划,由县机构和马里兰州交通运输部州公路管理局 (MDOT-SHA) 审查。概念规划应为拟议开发项目的示意图,按比例绘制,最小 1 英寸 = 50 英尺,最大宽度为 36 英寸,并具有足够的细节,以使县和公众能够了解所提议的内容,并能够以知情的方式对这些提议作出回应。概念规划可根据契约信息编制,使用巴尔的摩县地理信息系统 (GIS) 上显示的地形,并说明此处包含的以下概念规划清单中的所有项目。建议申请人在提交概念规划检查打印之前参加概念规划前会议 (PCPC) 和/或与各个县审查机构进行互动
高维纠缠已被确定为量子信息处理中的重要资源,也是模拟量子系统的主要障碍。其认证通常是Di FFI的邪教,并且最广泛使用的实验方法基于相对于高度纠缠的状态的忠诚度测量。在这里,我们考虑了集体可观察物的协方差,例如众所周知的协方差矩阵标准(CMC)[1],并提出了CMC的概括,用于确定两组派系统的Schmidt数量。这在多体系统(例如冷原子)中尤其有利,在这些系统中,一组实际测量非常有限,通常只能估计集体运营商的差异。为了显示我们结果的实际相关性,我们得出了更简单的Schmidt-number标准,这些标准需要与基于忠诚的证人相似的信息,但可以检测到更广泛的状态。我们还考虑了基于自旋covari-ances的范式标准,这对于对冷原子系统中高维纠缠的实验检测非常有帮助。我们通过讨论结果在多片合奏中的适用性以及对未来工作的一些开放问题来得出结论。
Juna M. Nasrallah,Abdulkadir B,Theodore D. Boquet -Pjadas G,Elizabeth Mamourian B,Sinnivasan Srinavasan。 Yang H,Paola Dazzan J,Rene St. Kahn K,Hugo G. Schnack,Marcus V.Wood Q,消息来源,拉蒙塔尼(Lamontagne),苏珊·奥斯丁(Susan Austin),莱诺尔·J·劳纳(Lenorer J.
Junhao Wen a,b,1 , Ilya M. Nasrallah b,c , Ahmed Abdulkadir b, Theodore D. Satterthwaite b,d , Zhijian Yang b, Guray Erus b, Timothy Robert-Fitzgerald e, Ashish Singh b, Aristeidis Sotiras f, Aleix Boquet-Pujadas g, Elizabeth Mamourian b, Jimit Doshi b, Yuhan Cui b, Dhivya Srinivasan b, Ioanna Skampardoni b, Jiong Chen b, Gyujoon Hwang b, Mark Bergman b, Jingxuan Bao h, Yogasudha Veturi i, Zhen Zhou b, Shu Yang h, Paola Dazzan j, Rene S. Kahn k, Hugo G. Schnack l, Marcus V. Zanetti m, Eva Meisenzahl n, Geraldo F. Busatto M,Benedicto Crespo-Facorro O,Christos Pantelis P,Stephen J. Wood Q,Chuanjun Zhuo R,Russell T. Shinohara B,E,Ruben C. Gur D,Raquel C. Gur D,Raquel E. U,Olivier Colliot V,Katharina Wittfeld W,Hans J. dd、Paul Maruff dd、Jurgen Fripp ee、Sterling C. Johnson ff、John C. Morris gg、Marilyn S. Albert hh、R. Nick Bryan c、Susan M. Resnick y、Yong Fan b、Mohamad Habes ii、David Wolk b,jj、Haochang Shou b,e 和 Christos Davatzikos b,1
1 1诊断和介入放射学和核医学系,汉堡 - 埃芬多夫,汉堡,德国汉堡2神经退行性疾病中心(DZNE)慕尼黑,德国慕尼黑7慕尼黑系统神经病学集群(Synergy),慕尼黑,德国慕尼黑8号8号神经病学系,汉堡大学医学中心,汉堡,汉堡,德国9号,汉堡,9月9日,德国核医学,奥格斯堡,穆尼尔,穆尼奇,穆尼奇,穆尼奇,穆尼,穆尼,德国汉诺威汉诺威医学院的诊断和介入神经放射学,12号医学和辐射保护保护,大学医院,奥格斯堡大学,德国奥格斯堡,奥格斯堡,德国奥格斯堡13 13莱比锡神经病学系,莱比锡,莱比锡,德国莱比锡,德国14号神经病学系,奥格斯堡,神经病学系。德国慕尼黑16美国纽约州曼海斯特医学研究机构Manhasset,美国17核医学系,莱比锡大学医院,莱比锡,德国1诊断和介入放射学和核医学系,汉堡 - 埃芬多夫,汉堡,德国汉堡2神经退行性疾病中心(DZNE)慕尼黑,德国慕尼黑7慕尼黑系统神经病学集群(Synergy),慕尼黑,德国慕尼黑8号8号神经病学系,汉堡大学医学中心,汉堡,汉堡,德国9号,汉堡,9月9日,德国核医学,奥格斯堡,穆尼尔,穆尼奇,穆尼奇,穆尼奇,穆尼,穆尼,德国汉诺威汉诺威医学院的诊断和介入神经放射学,12号医学和辐射保护保护,大学医院,奥格斯堡大学,德国奥格斯堡,奥格斯堡,德国奥格斯堡13 13莱比锡神经病学系,莱比锡,莱比锡,德国莱比锡,德国14号神经病学系,奥格斯堡,神经病学系。德国慕尼黑16美国纽约州曼海斯特医学研究机构Manhasset,美国17核医学系,莱比锡大学医院,莱比锡,德国
。cc-by-nc-nd 4.0国际许可证(未经同行评审证明)获得的是作者/资助者,他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。这是该版本的版权持有人,该版本发布于2023年10月6日。 https://doi.org/10.1101/2023.06.21.545918 doi:biorxiv preprint
策略方法(SM)是一种日益流行的估计偏好方式,包括要求参与者在所有信息集中指示他们的选择,而不仅仅是实际达到的信息。然后比较不同信息集中决策的差异。例如,要确定最后通atum游戏中低报价的效果,可以将设置的低信息信息的决策变化与高范围信息集的决策进行比较。SM的吸引力来自其简单性以及其在理论模型表明存在多种均衡时实际播放的均衡的潜力。sm还有可能规避在异质个体之间进行比较时估计偏好时出现的许多依据问题。sm是经济学研究中使用的直接但功能强大的工具,涉及要求参与者在所有可能的信息集中做出选择,而不是仅在所达到的信息集中进行选择。通过比较不同信息集的决定性变化,研究人员可以获得宝贵的见解。例如,在最后通atum游戏中,可以通过对比低和高的场景做出的决策来评估低报价的效果。SM的吸引力在于它的简单性和揭示理论模型表明多种可能性时所发挥的实际均衡的能力。此外,SM可以帮助克服内生性问题,这些问题在估计不同个体之间比较的偏好时出现。2020; Chen and Schonger 2023)。但是,SM具有其局限性,并且可以产生与使用直接启发(DE)集合的数据不同(Brandts and Charness 2000,2011;García-Pola等人。开放的问题是为什么以及在哪些条件下这些方法不是明确等效的。我们认为,当与SM一起玩的游戏的回报是与DE玩游戏的诱发终端节点的仿射转换时,这两个游戏在表面上是相当于的,而SM的游戏本质上与游戏的战略形式相吻合。由于这种情况可能无法满足,因此SM受到可能严重的经济理论偏见的约束。大量的经济理论使SM和DE的信息集差异。DE决策节点的信息集与SM中同一决策节点的信息集不同。虽然经常对超平衡动机的经济理论进行模范,但使用SM的研究人员隐含地将其隐含地假定。三个因素使平衡动机在SM背景下成为特别重要的问题。首先,SM通常依赖于不同信息集的许多决定。第二,SM中最常用的因变量通常高度相关。第三,这是SM的固有方面,即使在不同信息集中,即使它们不影响货币收益,范围均衡的决策也会影响决策的效用。这三个因素相互加强,因此,相对于DE,可以严重偏见治疗效应的SM。基于失望厌恶的动机(Gul,1991),意图(Battigalli等,2007; Fehr&Schmidt,2000),自我形象(Bénabou&Tirole,