Neural Ideals in SageMath
Neural Ideals in SageMath
复制标题
SageMath 中的神经理想
DOI：
10.1007/978-3-319-96418-8_22
复制
发表时间：
2016
影响因子：
2.9
通讯作者：
L. García
中科院分区：
文献类型：
--
作者：
E. Petersen;Nora Youngs;Ryan Kruse;Dane Miyata;R. Garcia;L. García
神经科学研究的一个主要领域是研究大脑如何处理空间信息。大脑中的神经元通过神经代码代表外部刺激。这些代码通常源自刻板的刺激响应图，将每个神经元与凸感受野相关联。一个重要的问题在于确定哪些刺激空间特征可以直接从神经代码中提取。神经理想是一个代数对象，它对神经代码的完整组合数据进行编码。这种理想可以用规范的形式来表达，该形式可以直接转换为代码固有的感受野结构的最小描述。在这里，我们描述了一个 SageMath 包，其中包含与神经理想的规范形式相关的几种算法。
A major area in neuroscience research is the study of how the brain processes spatial information. Neurons in the brain represent external stimuli via neural codes. These codes often arise from stereotyped stimulus-response maps, associating to each neuron a convex receptive field. An important problem consists in determining what stimulus space features can be extracted directly from a neural code. The neural ideal is an algebraic object that encodes the full combinatorial data of a neural code. This ideal can be expressed in a canonical form that directly translates to a minimal description of the receptive field structure intrinsic to the code. In here, we describe a SageMath package that contains several algorithms related to the canonical form of a neural ideal.