?
Metric framework of coherent activity patterns identification in spiking neuronal networks
Частичная синхронизация играет важнейшую роль в работе нейронных сетей: избирательная, координированная активация нейронов обеспечивает обработку информации, гибко адаптирующуюся к изменяющемуся вычислительному контексту. Поскольку структура паттернов когерентной активности отражает текущее состояние сети, разработка автоматических инструментов для их идентификации является одной из ключевых задач нейродинамики. Существующие методы анализа нейронной динамики, как правило, сосредотачиваются на глобальных характеристиках сети, таких как интегральный уровень синхронизации. Хотя такой подход позволяет различать основные динамические состояния сети, он не может выявить локализацию и свойства отдельных когерентных паттернов.
В данной работе мы предлагаем новый взгляд на анализ нейронной динамики, позволяющий исследовать когерентность сети на уровне отдельных нейронов. Мы рассматриваем сеть как метрическое пространство нейронов и представляем ее мгновенное состояние в виде функции активности на этом пространстве. Конкретные кластеры когерентной активности определяются как области, в которых функция активности демонстрирует пространственную непрерывность. Активность каждого такого кластера дополнительно характеризуется с помощью аналитических свойств функции активности в пределах соответствующего региона. Такой подход позволяет получить лаконичный, но подробный алгоритмический профиль паттернов когерентности сети, открывая новые возможности для автоматизированного анализа нейронной активности на уровне организации функциональных областей.