スパイク解析理论入门.pptVIP

スパイク解析理論入門 理化学研究所　脳科学総合研究センター 脳数理研究チーム 岡田真人 背景(1/2) 背景(2/2) 多数ニューロンスパイクの 同時記録 スパイク列をビット列に変換する スパイク生成の同時確率分布 取り扱える問題にする(1/3) 取り扱える問題にする(2/3) 自己相関関数 取り扱える問題にする(3/3) 対数線形モデル(2ニューロンの場合) 対数線形モデル(Nニューロンの場合) いろいろな座標系 情報幾何的視点 相互相関関数との関係(同時刻) 相互相関関数との関係(時間差t) 2次の相互作用と相互相関関数の比較 中間のまとめ 統計量には繰り込んだ変数の影響が入っている 対数線形モデル(Nニューロンの場合) ニューロン数が多い場合 統計力学的解析 モデル 統計力学的解析(1/2) 統計力学的解析(2/2) mの物理的な意味 　　　　　＝ ニューロンの発火の期待値 計算機実験1-1 計算機実験1-2 高次相互作用の推定(1/4) 高次相互作用の推定(2/4) 観測されたスパイク列 高次相互作用の推定(3/4) 高次相互作用の推定(4/4) 計算機実験2 推定方法の一般的性質 計算機実験3 均一な相関構造を仮定した場合のまとめ ニューロン数無限 相関はニューロンに依らず均一 相関の次数は有限で打ち切る． わかったこと 高次統計量の理論(1/2) 高次統計量の理論(2/2) まとめ ：2次までの相互作用を持ち、 推定結果 相互作用は 一意には決まらない 系の巨視的性質 mのみで記述可能 同じｍを与える　　　 の組は複数存在 Kを、真の　　　　に関して平均をとる 一般的な　　　の推定の性能を評価 計算すると の条件で不定 を解くことで、高次相互 作用推定法の一般的な 性質をみる [K]の形 実線は最大値を結んだもの 推定値の収束の様子 推定結果の不定性 得られた推定値 周辺尤度最大化 相関は一意には決まらない もちいた仮定 推定方法 結果 正解 推定結果 多数のニューロンの スパイクのデータ タスク 行動，特徴 相互情報量 スパイクの統計量 平均発火率 高次統計量 ニューラルネットワークモデル 解剖学的知見 順問題 逆問題 拘束 予測 2値ニューロン ?揺動散逸定数（線形応答理論，久保公式） 平衡点まわりのゆらぎが 高次統計量 ?マスター方程式の方法 これらの知見が定性的にスパイキング ニューロンでもどの程度成り立つか? (Ginzburg Sompolinsky, 1994) r: 双方向結合 u: 一方向結合 d: 結合なし av: 平均 E-E間の詳細 E-E間の平均 I-I間の平均 E-I間の平均 近年の電気生理の発展により、多数ニューロンの同時記録が可能となってきた。 従来のニューロサイエンスは、スパイク列の１次統計量である平均発火率に着目していた。 今後は、２次や3次の統計量も原理的には利用できる。 そこで我々は、スパイク列から、各種統計量を推定する方法について議論する。 そのために、詳しくは後に述べるが、スパイクは確率分布から生成されるとする。 スパイクを生成する確率分布をこのように仮定する。 ここで、σはスパイク列を表している。 各要素は発火、非発火に対応して、＋１、－１の値をとる。 確率分布のは、分布の統計量を反映したパラメータθをもっているとする。 本研究の目的の一つは、スパイク列が与えられたときに、スパイク生成の確率分布のパラメータθを推定すること。 ニューロン数が２の場合について、相互作用の強さを推定してみる。 系はこのように書ける。 N=2なので、系の取る状態は４つ。 スパイク列から相互作用の強さを推定するには、系がそれぞれの状態をとる確率をスパイク列から求め、それをもとに、２＾２－１次の連立方程式をとく。 また、ｐ－－などを求める際には、Nかける１００位のデータ数が必要。 Nが３なら２＾３－１。 Nが多いときに、このような解析法は無理。 そこで、仮定を置くことが必要となる。 まず、同じ次数の相互作用は一様であると仮定。 次に、相互作用には上限があると仮定。 この仮定は、結構一般的に使われている。 その結果、Hはこのような形になる。 この形は、統計力学的解析にぴったり。 後の解析のため、変数変換を行う。Jrが相互作用の強さを示すパラメータとなる。 まとめると、このようになる。 今後我々は、２通りの方法で、このモデルを評価する。 本当にやりたいことは、スパイク列が与えられたときの、相互作用の決定。 まず、高次相互作用が与えられているときの、このモデルの振る舞い。 その次に、スパイク列からの高次相互作用の推定。 分配関数が重要 さまざまな統計量が分配関数からもとまる。 ニューロン発火の期待