Optimierung von Phasen- und Ratenparametern in einem stochastischen Modell neuronaler Feueraktivität

In unserem Gehirn wird Information von Neuronen durch die Emission von Spikes repräsentiert. Als wichtige Signalkomponenten werden hierbei die Rate (Anzahl Spikes), die Phase (zeitliche Verschiebung der Spikes) und synch
In unserem Gehirn wird Information von Neuronen durch die Emission von Spikes repräsentiert. Als wichtige Signalkomponenten werden hierbei die Rate (Anzahl Spikes), die Phase (zeitliche Verschiebung der Spikes) und synchrone Oszillationen (rhythmische Entladungen der Neuronen am selben Zyklus) diskutiert.
In dieser Arbeit wird untersucht, wie Rate und Phase für eine optimale Detektion miteinander kombiniert werden und abhängig vom gewählten Parameterbereich wird der Beitrag der Phase quantifiziert.
Dies wird anhand eines stochastischen Spiketrain-Modell untersucht, das hohe Ähnlichkeiten zu empirischen Spiketrains zeigt und die drei genannten Signalkomponenten beinhaltet. Das ELO-Modell („exponential lockig to a free oscillator“) ist in zwei Prozessstufen unterteilt: Im Hintergrund steht ein globaler Oszillationsprozess, der unabhängige und normal-verteilte Intervallabschnitte hervorbringt (Oszillation). An den Intervallgrenzen starten unabhängig, inhomogene Poisson-Prozesse (Synchronizität) mit exponentiell abnehmender Feuerrate, die durch eine stimulusspezifische Rate und Phase festgelegt ist.
Neben einer analytischen Bestimmung der optimalen Parameter im Falle reiner Raten- bzw. Phasencodierung, wird die gemeinsame Codierung anhand von Simulationsstudien analysiert.
show moreshow less
In our brain information is represented by neurons emitting spikes. Thereby the rate (number of spikes), the phase (temporary shift of the spikes) and synchronous oscillations (the rhythmic discharges of neurons to the s
In our brain information is represented by neurons emitting spikes. Thereby the rate (number of spikes), the phase (temporary shift of the spikes) and synchronous oscillations (the rhythmic discharges of neurons to the same beat) are discussed as important signal components.
The thesis analyzes how rate and phase should be combined to achieve an optimal detection and quantifies the contribution of the phase dependent on the parameter area.
Therefore we use a stochastic spike train model, which fits extremely well to experimental data and  includes the mentioned signal components. The ELO model („exponential locking to a free oscillator) is structured hierarchically in two levels: In the background there is a stationary point process with independent and normally distributed intervals (oscillation). It gives rise to spike packets with exponential decaying firing intensity, which is determined by a stimulus specific rate and phase.
Beside the analytic determination of the optimal parameters in case of a pure rate- or phase code, the simultaneous coding is analyzed by simulation.
show moreshow less

Export metadata

  • Export Bibtex
  • Export RIS

Additional Services

    Share in Twitter Search Google Scholar
Metadaten
Author:Benjamin Straub
URN:urn:nbn:de:hebis:30:3-381344
Publisher:Univ.-Bibliothek
Place of publication:Frankfurt am Main
Referee:Gaby Schneider, Anton Wakolbinger
Advisor:Gaby Schneider
Document Type:Master's Thesis
Language:German
Date of Publication (online):2015/09/02
Year of first Publication:2014
Publishing Institution:Universitätsbibliothek Johann Christian Senckenberg
Granting Institution:Johann Wolfgang Goethe-Universität
Date of final exam:2014/07/17
Release Date:2015/09/02
Tag:firing patterns; phase coding; point process; spike train
Pagenumber:106
HeBIS PPN:364333472
Institutes:Mathematik
Dewey Decimal Classification:510 Mathematik
Sammlungen:Universitätspublikationen
Licence (German):License Logo Veröffentlichungsvertrag für Publikationen

$Rev: 11761 $