Spelling suggestions: "subject:"komponentenmodelle""
1 |
Formation of spatio–temporal patterns in stochastic nonlinear systemsMueller, Felix 08 May 2012 (has links)
Die vorliegende Arbeit befasst sich mit einer Reihe von Fragestellungen, die Forschungsfeldern wie rauschinduziertem Verhalten, Strukturbildung in aktiven Medien und Synchronisation nichlinearer Oszillatoren erwachsen. Die verwendeten nichtlinearen Modelle verfügen über erregbare, oszillatorische und bistabile Eigenschaften. Zusätzliche stochastische Fluktuationen tragen wesentlich zur Entstehung komplexer Dynamik bei. Modelliert wird, auf welche Weise sich extrazelluläre Kaliumkonzentration, gespeist von umliegenden Neuronen, auf die Aktivität dieser Neuronen auswirkt. Neben lokaler Dynamik wird die Ausbildung ausgedehnter Strukturen in einem heterogenem Medium analysiert. Die raum-zeitlichen Muster umfassen sowohl Wellenfronten und Spiralen als auch ungewöhnliche Strukturen, wie wandernde Cluster oder invertierte Wellen. Eine wesentliche Rolle bei der Ausprägung solcher Strukturen spielen die Randbedingungen des Systems. Sowohl für diskret gekoppelte bistabile Elemente als auch für kontinuierliche Fronten werden Methoden zur Berechnung von Frontgeschwindigkeiten bei fixierten Rändern vorgestellt. Typische Bifurkationen werden quantifiziert und diskutiert. Der Rückkopplungsmechanismus aus dem Modell neuronaler Einheiten und deren passiver Umgebung kann weiter abstrahiert werden. Ein Zweizustandsmodell wird über zwei Wartezeitverteilungen definiert, welche erregbares Verhalten widerspiegeln. Untersucht wird die instantane und die zeitverzögerte Antwort des Ensembles auf die Rückkopplung. Im Fall von Zeitverzögerung tritt eine Hopf-Bifurkation auf, die zu Oszillationen der mittleren Gesamtaktivität führt. Das letzte Kapitel befasst sich mit Diffusion und Transport von Brownschen Teilchen in einem raum-zeiltich periodischen Potential. Wieder sind es Synchronisationsmechanismen, die nahezu streuungsfreien Transport ermöglichen können. Für eine erhöhte effektiven Diffusion gelangen wir zu einer Abschätzung der maximierenden Parameter. / In this work problems are investigated that arises from resarch fields of noise induced dynamics, pattern formation in active media and synchronisation of self-sustained oscillators. The applied model systems exhibit excitable, oscillatory and bistable behavior as basic modes of nonlinear dynamics. Addition of stochastic fluctuations contribute to the appearance of complex behavior. The extracellular potassium concentration fed by surrounding activated neurons and the feeback to these neurons is modelled. Beside considering the local behavior, nucleation of spatially extended structures is studied. We find typical fronts and spirales as well as unusal patterns such as moving clusters and inverted waves. The boundary conditions of the considered system play an essential role in the formation process of such structures. We present methods to find expressions of the front velocity for discretely coupled bistable units as well as for the countinus front interacting with boundary values. Canonical bifurcation scenarios can be quantified. The feedback mechanism from the model for neuronal units can be generalized further. A two-state model is defined by two waiting time distributions representing excitable dynamics. We analyse the instantaneous and delayed response of the ensemble. In the case of delayed feedback a Hopf-bifurcation occur which lead to oscillations of the mean activity. In the last chapter the transport and diffusion of Brownian particles in a spatio-temporal oscillating potential is discussed. As a cause of nearly dispersionless transport synchronisations mechanisms can be identified. We find an estimation for parameter values which maximizes the effective diiffusion.
|
2 |
Information transmission by the synchronous activity of neuronal populationsKruscha, Alexandra 21 September 2017 (has links)
Sensorische Nervenzellen kodieren Informationen über die Umwelt mittels
elektrischer Impulse, sogenannte Aktionspotentiale oder Spikes. Diese werden
weitergeleitet zu postsynaptischen Neuronen im zentralen Nervensystem, welche
unterschiedliche Auslesestrategien verwenden. Integratorzellen summieren alle
ankommenden Aktionspotentiale auf, wodurch sie die Gesamtaktivität einer
präsynaptischen Population messen. Koinzidenzdetektoren hingegen, werden nur
durch das synchrone Feuern der zuführenden Neuronenpopulation aktiviert.
Die grundlegende Frage dieser Dissertation lautet: Welche Information eines
zeitabhängigen Signals kodieren die synchronen Spikes einer Neuronenpopulation
im Vergleich zu der Summe all ihrer Aktionspotentiale? Hierbei verwenden wir die
Theorie stochastischer Prozesse: wir berechnen Spektralmaße, die es ermöglichen
Aussagen darüber zu treffen welche Frequenzkomponenten eines Signals vorwiegend
transmittiert werden. Im Gegensatz zu früheren Studien, verstehen wir unter
einem synchronen Ereignis nicht zwangsläufig, dass die gesamte Population
simultan feuert, sondern, dass ein minimaler Anteil („Synchronizitätsschranke")
gleichzeitig aktiv ist. Unsere Analyse zeigt, dass die synchrone
Populationsaktivität als ein Bandpass-Informationsfilter agieren kann: die
synchronen Spikes kodieren hauptsächlich schnelle Signalanteile. Damit stellt
die Selektion simultaner Neuronenaktivität ein potentielles Mittel dar um
gleichzeitig anwesende, konkurrierende Signale voneinander zu trennen. Dabei
hängen die genauen Charakteristika der Informationsfilterung ausschlaggebend von
der Synchronizitätsschwelle ab. Insbesondere zeigt sich, dass eine Symmetrie in
der Schwelle vorliegt,die die Äquivalenz der Kodierungseigenschaften von
synchronem Feuern und synchronem Schweigen offenlegt. Unsere analytischen
Ergebnisse testen wir mittels numerischer Simulationen und vergleichen sie mit
Experimenten am schwach elektrischen Fisch. / Populations of sensory neurons encode information about the environment into electrical pulses, so called action potentials or spikes. Neurons in the brain process these pulses further by using different readout strategies.
Integrator cells sum up all incoming action potentials and are thus sensitive to the overall activity of a presynaptic population.
Coincidence detectors, on the other hand, are activated by the synchronous firing of the afferent population. The main question of this thesis is: What information about a common time-dependent stimulus is encoded in the synchronous spikes of a neuronal population in comparison to the sum of all spikes? We approach this question within the framework of spectral analysis of stochastic processes, which allows to assess which frequency components of a signal are predominantly encoded. Here, in contrast to earlier studies, a synchronous event does not necessarily mean that all neurons of the population fire simultaneously, but that at least a prescribed fraction ('synchrony threshold') needs to be active within a small time interval.
We derive analytical expressions of the correlation statistics which are compared to numerical simulations and experiments on weakly electric fish. We show that the information transmission of the synchronous output depends highly on the synchrony threshold. We uncover a symmetry in the synchrony threshold, unveiling the similarity in the encoding capability of the common firing and the common silence of a population. Our results demonstrate that the synchronous output can act as a band-pass filter of information, i.e. it extracts predominantly fast components of a stimulus. If signals in different frequency regimes are concurrently present, the selection of synchronous firing events can thus be a tool to separate these signals.
|
3 |
Firing-rate resonances in small neuronal networksRau, Florian 07 January 2015 (has links)
In vielen Kommunikationssytemen wird Information durch die zeitliche Struktur von Signalen kodiert. Ein neuronales System, welches rhythmische Signale verarbeitet, sollte davon profitieren, seine inhärenten Filtereigenschaften den Frequenzcharakteristika dieser Signale anzupassen. Die Grille Gryllus bimaculatus stellt ein einfaches biologisches System dar, für welches nur wenige, spezifische Modulationsfrequenzen verhaltensrelevant sind. Ich habe einzelne Neuronen im peripheren und höheren auditorischen System der Grille hinsichtlich einer möglichen Anpassung auf diese Frequenzen untersucht. Hierfür habe ich extrazelluläre Elektrophysiologie mit verschiedenen Stimulationsparadigmen kombiniert, welche auf amplitudenmodulierten Tönen basierten. Die Analyse der experimentellen Daten ergab, dass bereits in der auditorischen Peripherie einige der untersuchten Neurone Bandpasseigenschaften aufwiesen, da sie verhaltensrelevante Modulationsfrequenzen mit den höchsten Feuerraten beantworteten. Anhand einfacher mathematischer Modelle demonstriere ich, wie weitverbreitete, zellintrinsische und netzwerkbasierte Mechanismen die beobachteten Feuerratenresonanzen erklären könnten. Diese Mechanismen umfassen unterschwellige Resonanz von Membranströmen, aktivitätsabhängige Adaptation, sowie das Zusammenwirken von Exzitation und Inhibition. Ich zeige, wie eine serielle Kombination solcher elementarer Filter die deutliche Selektivität im Verhalten der Grille erklären könnte, ohne dabei auf ein dediziertes Filterelement zurückzugreifen. Allgegenwärtige neuronale Mechanismen könnten demnach eine dezentralisierte Filterkaskade in einem hochspezialisierten und größenbeschränkten neuronalen System begründen. / In many communication systems, information is encoded in the temporal pattern of signals. For rhythmic signals that carry information in specific frequency bands, a neuronal system may profit from tuning its inherent filtering properties towards a peak sensitivity in the respective frequency range. The cricket Gryllus bimaculatus is a simple biological system for which only a narrow range of modulation frequencies is behaviorally relevant. I examined individual neurons in the peripheral and higher auditory system for tuning towards specific temporal parameters and modulation frequencies. To this end, I combined extracellular electrophysiology with different stimulation paradigms involving amplitude-modulated sounds. Analysis of the experimental data revealed that—even in the auditory periphery—some of the examined neurons acted as tuned band-pass filters, yielding highest firing-rates for behaviorally relevant modulation frequencies. Using simple computational models, I demonstrate how common, cell-intrinsic or network-based mechanisms could account for the experimentally observed firing-rate resonances. These mechanisms include subthreshold resonances, spike-triggered adaptation, as well as the interplay of excitation and inhibition. I present how a serial combination of such elementary filters could explain the strong selectivity evident in the cricket’s behavior—without the need for a dedicated filter element. Pervasive neuronal mechanisms could therefore constitute an efficient, distributed frequency filter in a highly specialized, size-constrained neuronal system.
|
4 |
Applications of the Fokker-Planck Equation in Computational and Cognitive NeuroscienceVellmer, Sebastian 20 July 2020 (has links)
In dieser Arbeit werden mithilfe der Fokker-Planck-Gleichung die Statistiken, vor allem die Leistungsspektren, von Punktprozessen berechnet, die von mehrdimensionalen Integratorneuronen [Engl. integrate-and-fire (IF) neuron],
Netzwerken von IF Neuronen und Entscheidungsfindungsmodellen erzeugt werden.
Im Gehirn werden Informationen durch Pulszüge von Aktionspotentialen kodiert.
IF Neurone mit radikal vereinfachter Erzeugung von Aktionspotentialen haben sich in Studien die auf Pulszeiten fokussiert sind als Standardmodelle etabliert. Eindimensionale IF Modelle können jedoch beobachtetes Pulsverhalten oft nicht beschreiben und müssen dazu erweitert werden. Im erste Teil dieser Arbeit wird eine Theorie zur Berechnung der Pulszugleistungsspektren von stochastischen, multidimensionalen IF Neuronen entwickelt. Ausgehend von der zugehörigen Fokker-Planck-Gleichung werden partiellen Differentialgleichung abgeleitet, deren Lösung sowohl die stationäre Wahrscheinlichkeitsverteilung und Feuerrate, als auch das Pulszugleistungsspektrum beschreibt.
Im zweiten Teil wird eine Theorie für große, spärlich verbundene und homogene Netzwerke aus IF Neuronen entwickelt, in der berücksichtigt wird, dass die zeitlichen Korrelationen von Pulszügen selbstkonsistent sind. Neuronale Eingangströme werden durch farbiges Gaußsches Rauschen modelliert, das von einem mehrdimensionalen Ornstein-Uhlenbeck Prozess (OUP) erzeugt wird. Die Koeffizienten des OUP sind vorerst unbekannt und sind als Lösung der Theorie definiert. Um heterogene Netzwerke zu untersuchen, wird eine iterative Methode erweitert.
Im dritten Teil wird die Fokker-Planck-Gleichung auf Binärentscheidungen von Diffusionsentscheidungsmodellen [Engl. diffusion-decision models (DDM)] angewendet. Explizite Gleichungen für die Entscheidungszugstatistiken werden für den einfachsten und analytisch lösbaren Fall von der Fokker-Planck-Gleichung hergeleitet. Für nichtliniear Modelle wird die Schwellwertintegrationsmethode erweitert. / This thesis is concerned with the calculation of statistics, in particular the power spectra, of point processes generated by stochastic multidimensional integrate-and-fire (IF) neurons, networks of IF neurons and decision-making models from the corresponding Fokker-Planck equations.
In the brain, information is encoded by sequences of action potentials. In studies that focus on spike timing, IF neurons that drastically simplify the spike generation have become the standard model. One-dimensional IF neurons do not suffice to accurately model neural dynamics, however, the extension towards multiple dimensions yields realistic behavior at the price of growing complexity. The first part of this work develops a theory of spike-train power spectra for stochastic, multidimensional IF neurons. From the Fokker-Planck equation, a set of partial differential equations is derived that describes the stationary probability density, the firing rate and the spike-train power spectrum.
In the second part of this work, a mean-field theory of large and sparsely connected homogeneous networks of spiking neurons is developed that takes into account the self-consistent temporal correlations of spike trains. Neural input is approximated by colored Gaussian noise generated by a multidimensional Ornstein-Uhlenbeck process of which the coefficients are initially unknown but determined by the self-consistency condition and define the solution of the theory. To explore heterogeneous networks, an iterative scheme is extended to determine the distribution of spectra.
In the third part, the Fokker-Planck equation is applied to calculate the statistics of sequences of binary decisions from diffusion-decision models (DDM). For the analytically tractable DDM, the statistics are calculated from the corresponding Fokker-Planck equation. To determine the statistics for nonlinear models, the threshold-integration method is generalized.
|
Page generated in 0.0436 seconds