Storyboard

La codificacion neural estudia como la informacion sobre un estimulo o variable externa queda representada en patrones de actividad de una o mas neuronas. La tasa de disparo instantanea resume un tren de potenciales de accion discretos en una variable continua, mientras que herramientas de teoria de la informacion (entropia, informacion mutua) cuantifican de forma general cuanta incertidumbre sobre el estimulo se reduce al observar la respuesta neural, sin asumir un mecanismo especifico de codificacion. Muchas neuronas sensoriales muestran curvas de sintonia (tuning curves) en forma de campana respecto a una variable del estimulo, y el coeficiente de variacion de los intervalos entre disparos (ISI) cuantifica que tan regular o irregular es el patron temporal de disparo. A nivel poblacional, el estimulo puede reconstruirse mediante decodificacion lineal optima o mediante el metodo del vector poblacional, que pondera la contribucion de cada neurona segun su preferencia de sintonia y su tasa de disparo instantanea.

ID:('ky', 1533)

Storyboard

$r(t)=\frac{1}{\Delta T}\sum_k\delta(t-t_k)$

Variables

$r(t)$

Tasa de disparo instantánea

$Hz$

$t$

Tiempo

$s$

$t_k$

Tiempo de spike

$s$

$Delta T$

Ventana temporal

$s$

ID:('gm', 13590)

Storyboard

$I(S;R)=\sum_s\sum_r p(s,r)\log\frac{p(s,r)}{p(s)p(r)}$

Variables

$S$

Estímulo

$1$

$I(S;R)$

Información mutua

$bit$

$p(s,r)$

Probabilidad conjunta

$1$

$R$

Respuesta neural

$1$

ID:('gm', 13591)

Storyboard

$H(R)=-\sum_r p(r)\log p(r)$

Variables

$H(R)$

Entropía de respuesta

$bit$

$R$

Respuesta neural

$1$

ID:('gm', 13592)

Storyboard

$r(\theta_{stim})=r_{max}e^{-(\theta_{stim}-\theta_{pref})^2/(2\sigma_{tune}^2)}$

Variables

$r_{max}$

Tasa máxima

$Hz$

$sigma_{tune}$

Ancho de sintonía

$rad$

$\theta_{pref}$

Preferencia de sintonía

$rad$

$\theta_{stim}$

Variable angular del estímulo

$rad$

ID:('gm', 13593)

Storyboard

$CV_{ISI}=\sigma_{ISI}/\mu_{ISI}$

Variables

$CV_{ISI}$

Variabilidad ISI

$1$

ID:('gm', 13594)

Storyboard

$\hat{s}(t)=\sum_i w_i r_i(t)$

Variables

$hat{s}$

Estímulo reconstruido

$1$

$w_i$

Peso de decodificación

$1$

$t$

Tiempo

$s$

ID:('gm', 13595)

Storyboard

$\mathbf V_{pop}=\frac{\sum_i r_i\mathbf C_i}{\sum_i r_i}$

Variables

$mathbf V_{pop}$

Vector poblacional

$1$

$mathbf C_i$

Vector preferido neuronal

$1$

ID:('gm', 13596)