Functional Connectivity: Continuous-Time Latent Factor Models for Neural Spike Trains
神经脉冲序列功能连接的连续时间潜因子模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究神经脉冲与功能连接，虽使用潜因子模型，但没有宏观或金融因子研究依据，现有细分不足以准确容纳该应用。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
神经脉冲序列功能连接的连续时间潜因子模型
- 研究问题
- 如何在不对神经脉冲序列进行时间分箱的情况下，刻画神经元群体的交互动态与功能连接，并降低参数推断的计算负担？
- 方法与思路
- 作者提出连续时间多元脉冲序列潜因子模型及参数推断算法，通过模拟与大鼠前额叶经典条件反射实验数据说明模型用途。
- 材料陈述的贡献
- 摘要称算法计算规模随同时记录的神经元数量线性增长，并报告模拟估计准确及神经活动协调与奖励提示、脑区相关的发现。
- 阅读关注点
- 应核对脉冲过程与潜因子的模型设定、参数可识别性、线性计算复杂度的计量范围，以及功能连接结果的解释边界。
- 阅读边界
- 这是 arXiv 预印本，未核实同行评审或期刊接收。摘要中的首创性和准确性未获独立核验，神经活动关联也不能直接解释为因果。
原文摘要
Modelling the dynamics of interactions in a neuronal ensemble is an important problem in functional connectivity research. One popular framework is latent factor models (LFMs), which have achieved notable success in decoding neuronal population dynamics. However, most LFMs are specified in discrete time, where the choice of bin size significantly impacts inference results. In this work, we present what is, to the best of our knowledge, the first continuous-time multivariate spike train LFM for studying neuronal interactions and functional connectivity. We present an efficient parameter inference algorithm for our biologically justifiable model which (1) scales linearly in the number of simultaneously recorded neurons and (2) bypasses time binning and related issues. Simulation studies show that parameter estimation using the proposed model is highly accurate. Applying our LFM to experimental data from a classical conditioning study on the prefrontal cortex in rats, we found that coordinated neuronal activities are affected by (1) the onset of the cue for reward delivery, and (2) the sub-region within the frontal cortex (OFC/mPFC). These findings shed new light on our understanding of cue and outcome value encoding.