Degree Correlations Optimize Neuronal Network Sensitivity to Sub-Threshold Stimuli.
Degree Correlations Optimize Neuronal Network Sensitivity to Sub-Threshold Stimuli.
复制标题
DOI：
10.1371/journal.pone.0121794
复制
发表时间：
2015
期刊：
影响因子：
3.7
通讯作者：
Rüdiger S
中科院分区：
文献类型：
--
作者：
Schmeltzer C;Kihara AH;Sokolov IM;Rüdiger S
大脑中的信息处理很大程度上取决于神经元连接的拓扑结构。我们研究了拓扑结构如何影响泄漏集成和激发神经元群体对刺激的反应。我们设计了一种方法，通过自洽方程组计算发射率，同时考虑网络中的度分布和度相关性。我们表明，选型度相关性极大地提高了对弱刺激的敏感性，并提出此类网络在信号处理方面具有优势。此外，我们发现在中间水平上存在最优的相配性，导致输入/输出互信息最大化。
Information processing in the brain crucially depends on the topology of the neuronal connections. We investigate how the topology influences the response of a population of leaky integrate-and-fire neurons to a stimulus. We devise a method to calculate firing rates from a self-consistent system of equations taking into account the degree distribution and degree correlations in the network. We show that assortative degree correlations strongly improve the sensitivity for weak stimuli and propose that such networks possess an advantage in signal processing. We moreover find that there exists an optimum in assortativity at an intermediate level leading to a maximum in input/output mutual information.
登录
查看更多内容
影响因子：
5.3
作者：
Achard, S;Salvador, R;Bullmore, ET
通讯作者：
Bullmore, ET
影响因子：
9.8
作者：
Hromádka T;Deweese MR;Zador AM
通讯作者：
Zador AM
DOI：
10.1098/rsta.2007.2092
发表时间：
2008-02-13
影响因子：
5
作者：
Beggs, John M.
通讯作者：
Beggs, John M.
影响因子：
2.5
作者：
Houweling, Arthur R.;Doron, Guy;Brecht, Michael
通讯作者：
Brecht, Michael
影响因子：
4.3
作者：
Deco, Gustavo;Jirsa, Viktor K.;Robinson, Peter A.;Breakspear, Michael;Friston, Karl J.
通讯作者：
Friston, Karl J.