کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5736976 1614503 2017 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
From the statistics of connectivity to the statistics of spike times in neuronal networks
ترجمه فارسی عنوان
از آمار اتصالات به آمار زمانهای اسپایک در شبکه های عصبی
ترجمه چکیده
یک گام اساسی در جهت درک مدارهای عصبی ساختار و پویایی آنها است. به طور کلی، این رابطه می تواند تقریبا به صورت خودسرانه پیچیده باشد. اما کار نظری اخیر، با این حال، شروع به شناسایی برخی از اصول گسترده ای که فعالیت های مشترک جمعی در مدارهای عصبی را بر عهده دارند، آغاز می شود. اول این است که ویژگی های محلی اتصال شبکه می تواند به طور شگفت انگیزی در پیش بینی آمار جهانی فعالیت در یک شبکه موثر باشد. دوم این است که برای مورد مهم شبکه های بزرگ با توازن مهار کننده هیجان انگیز، همبستگی های ناگهانی باقی می ماند یا بسته به مقیاس های فضایی اتصال متقارن و فوری. ما با نشان دادن این که چگونه این ایده ها، همراه با قواعد انعطاف پذیری، می توانند به حلقه بین ساختار شبکه و فعالیت فعالیت ها کمک کنند، نزدیک می شویم.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی علوم اعصاب (عمومی)
چکیده انگلیسی
An essential step toward understanding neural circuits is linking their structure and their dynamics. In general, this relationship can be almost arbitrarily complex. Recent theoretical work has, however, begun to identify some broad principles underlying collective spiking activity in neural circuits. The first is that local features of network connectivity can be surprisingly effective in predicting global statistics of activity across a network. The second is that, for the important case of large networks with excitatory-inhibitory balance, correlated spiking persists or vanishes depending on the spatial scales of recurrent and feedforward connectivity. We close by showing how these ideas, together with plasticity rules, can help to close the loop between network structure and activity statistics.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Current Opinion in Neurobiology - Volume 46, October 2017, Pages 109-119
نویسندگان
, , , , , , ,