Academic literature on the topic 'Spike Train Synchrony'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Spike Train Synchrony.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Spike Train Synchrony"
Ciba, Manuel, Robert Bestel, Christoph Nick, Guilherme Ferraz de Arruda, Thomas Peron, Comin César Henrique, Luciano da Fontoura Costa, Francisco Aparecido Rodrigues, and Christiane Thielemann. "Comparison of Different Spike Train Synchrony Measures Regarding Their Robustness to Erroneous Data From Bicuculline-Induced Epileptiform Activity." Neural Computation 32, no. 5 (May 2020): 887–911. http://dx.doi.org/10.1162/neco_a_01277.
Full textKreuz, Thomas, Daniel Chicharro, Conor Houghton, Ralph G. Andrzejak, and Florian Mormann. "Monitoring spike train synchrony." Journal of Neurophysiology 109, no. 5 (March 1, 2013): 1457–72. http://dx.doi.org/10.1152/jn.00873.2012.
Full textKreuz, Thomas, Julie S. Haas, Alice Morelli, Henry D. I. Abarbanel, and Antonio Politi. "Measuring spike train synchrony." Journal of Neuroscience Methods 165, no. 1 (September 2007): 151–61. http://dx.doi.org/10.1016/j.jneumeth.2007.05.031.
Full textKreuz, Thomas, Daniel Chicharro, Ralph G. Andrzejak, Julie S. Haas, and Henry D. I. Abarbanel. "Measuring multiple spike train synchrony." Journal of Neuroscience Methods 183, no. 2 (October 2009): 287–99. http://dx.doi.org/10.1016/j.jneumeth.2009.06.039.
Full textKreuz, Thomas. "Measures of spike train synchrony." Scholarpedia 6, no. 10 (2011): 11934. http://dx.doi.org/10.4249/scholarpedia.11934.
Full textBrody, Carlos D. "Correlations Without Synchrony." Neural Computation 11, no. 7 (October 1, 1999): 1537–51. http://dx.doi.org/10.1162/089976699300016133.
Full textKreuz, Thomas, Mario Mulansky, and Nebojsa Bozanic. "SPIKY: a graphical user interface for monitoring spike train synchrony." Journal of Neurophysiology 113, no. 9 (May 2015): 3432–45. http://dx.doi.org/10.1152/jn.00848.2014.
Full textHoughton, Conor. "Population measures of spike train synchrony." Scholarpedia 8, no. 10 (2013): 30635. http://dx.doi.org/10.4249/scholarpedia.30635.
Full textKajikawa, Yoshinao, and Troy A. Hackett. "Entropy analysis of neuronal spike train synchrony." Journal of Neuroscience Methods 149, no. 1 (November 2005): 90–93. http://dx.doi.org/10.1016/j.jneumeth.2005.05.011.
Full textChen, Zhe. "An Overview of Bayesian Methods for Neural Spike Train Analysis." Computational Intelligence and Neuroscience 2013 (2013): 1–17. http://dx.doi.org/10.1155/2013/251905.
Full textDissertations / Theses on the topic "Spike Train Synchrony"
Pazienti, Antonio. "Manipulations of spike trains and their impact on synchrony analysis." Phd thesis, Universität Potsdam, 2007. http://opus.kobv.de/ubp/volltexte/2008/1744/.
Full textDie Informationsverarbeitung im Gehirn erfolgt maßgeblich durch interaktive Prozesse von Nervenzellen, sogenannten Neuronen. Diese zeigen eine komplexe Dynamik ihrer chemischen und elektrischen Eigenschaften. Es gibt deutliche Hinweise darauf, dass Gruppen synchronisierter Neurone letztlich die Funktionsweise des Gehirns auf allen Ebenen erklären können. Um die schwierige Frage nach der genauen Funktionsweise des Gehirns zu beantworten, ist es daher notwendig, die Aktivität vieler Neuronen gleichzeitig zu messen. Die technischen Voraussetzungen hierfür sind in den letzten Jahrzehnten durch Multielektrodensyteme geschaffen worden, die heute eine breite Anwendung finden. Sie ermöglichen die simultane extrazelluläre Ableitung von bis zu mehreren hunderten Kanälen. Die Voraussetzung für die Korrelationsanalyse von vielen parallelen Messungen ist zunächst die korrekte Erkennung und Zuordnung der Aktionspotentiale einzelner Neurone, ein Verfahren, das als Spikesortierung bezeichnet wird. Eine weitere Herausforderung ist die statistisch korrekte Bewertung von empirisch beobachteten Korrelationen. Mit dieser Dissertationsschrift lege ich eine theoretische Arbeit vor, die sich der Vorverarbeitung der Daten durch Spikesortierung und ihrem Einfluss auf die Genauigkeit der statistischen Auswertungsverfahren, sowie der Effektivität zur Erstellung von Surrogatdaten für die statistische Signifikanzabschätzung auf Korrelationen widmet. Ich verwende zwei komplementäre Strategien, die beide auf der analytischen Berechnung von Punktprozessmanipulationen basieren. In einer ausführlichen Studie habe ich den Effekt von Spikesortierung in mit realistischen Fehlern behafteten korrelierten Spikefolgen modeliert. Zum Vergleich der Ergebnisse zweier unterschiedlicher Methoden zur Korrelationsanalyse auf den gestörten, sowie auf den ungestörten Prozessen, leite ich die entsprechenden analytischen Formeln her. Meine Ergebnisse zeigen, dass koinzidente Aktivitätsmuster multipler Spikefolgen durch Spikeklassifikation erheblich beeinflusst werden. Das ist der Fall, wenn Neuronen nur fälschlicherweise Spikes zugeordnet werden, obwohl diese anderen Neuronen zugehörig sind oder Rauschartefakte sind (falsch positive Fehler). Jedoch haben falsch-negative Fehler (fälschlicherweise nicht-klassifizierte oder missklassifizierte Spikes) einen weitaus grösseren Einfluss auf die Signifikanz der Korrelationen. In einer weiteren Studie untersuche ich die Effektivität einer Klasse von Surrogatmethoden, sogenannte Ditheringverfahren, welche paarweise Korrelationen zerstören, in dem sie koinzidente Spikes von ihrer ursprünglichen Position in einem kleinen Zeitfenster verrücken. Es zeigt sich, dass die Effektivität von Spike-Dithering zur Erzeugung von Surrogatdaten sowohl von der Dithermethode als auch von der Methode zur Koinzidenzzählung abhängt. Für die Wahrscheinlichkeit der Koinzidenzerkennung nach dem Dithern stelle ich analytische Formeln zur Verfügung. Die vorliegende Arbeit bietet neue Einblicke in die Methoden zur Korrelationsanalyse auf multi-variaten Punktprozessen mit einer genauen Untersuchung von unterschiedlichen statistischen Einflüssen auf die Signifikanzabschätzung. Für die praktische Anwendung ergeben sich Leitlinien für den Umgang mit Daten zur Synchronizitätsanalyse.
Torre, Emiliano [Verfasser], Sonja [Verfasser] Grün, Björn [Akademischer Betreuer] Kampa, and Laura [Akademischer Betreuer] Sacerdote. "Statistical analysis of synchrony and synchrony propagation in massively parallel spike trains / Emiliano Torre, Sonja Grün ; Björn Kampa, Laura Sacerdote." Aachen : Universitätsbibliothek der RWTH Aachen, 2016. http://d-nb.info/1125911522/34.
Full textZhou, Pengcheng. "Computational Tools for Identification and Analysis of Neuronal Population Activity." Research Showcase @ CMU, 2016. http://repository.cmu.edu/dissertations/1015.
Full textCiba, Manuel [Verfasser], Andreas [Gutachter] Bahmer, Charlotte [Gutachter] Förster, and Christiane [Gutachter] Thielemann. "Synchrony Measurement and Connectivity Estimation of Parallel Spike Trains from in vitro Neuronal Networks / Manuel Ciba ; Gutachter: Andreas Bahmer, Charlotte Förster, Christiane Thielemann." Würzburg : Universität Würzburg, 2021. http://d-nb.info/1229352341/34.
Full textHerrera-Valdez, Marco Arieli. "Relationship Between Nearly-Coincident Spiking and Common Excitatory Synaptic Input in Motor Neurons." Diss., The University of Arizona, 2008. http://hdl.handle.net/10150/196051.
Full textBOZANIC, NEBOJSA. "Measures of spike train synchrony." Doctoral thesis, 2016. http://hdl.handle.net/2158/1043650.
Full textPazienti, Antonio [Verfasser]. "Manipulations of spike trains and their impact on synchrony analysis / von Antonio Pazienti." 2007. http://d-nb.info/988948524/34.
Full textCiba, Manuel. "Synchrony Measurement and Connectivity Estimation of Parallel Spike Trains from in vitro Neuronal Networks." Doctoral thesis, 2021. https://doi.org/10.25972/OPUS-22364.
Full textZiel dieser Dissertation ist die Identifizierung geeigneter Methoden zur Schätzung der Konnektivität und zur Messung der Synchronität von in-vitro Spike-Trains. Besonderes Augenmerk wird dabei auf die Parameteroptimierung, die Eignung für große Mengen paralleler Spike-Trains und die Berücksichtigung der Charakteristik von realen Aufnahmen gelegt. Im Zuge der Optimierung wurden zwei neue Methoden entwickelt, die anderen Methoden aus der Literatur überlegen waren. Die erste Methode “Total spiking probability edges” (TSPE) schätzt die effektive Konnektivität zwischen zwei Spike-Trains basierend auf der Berechnung einer Kreuzkorrelation und einer anschließenden Analyse des Kreuzkorrelograms. Neben der Schätzung der synaptischen Ge- wichtung ist eine Unterscheidung zwischen exzitatorischen und inhibitorischen Verbindungen möglich. Im Vergleich zu anderen Methoden, konnten simulierte neuronale Netzwerke mit einer höheren Genauigkeit geschätzt werden. Zudem ist TSPE aufgrund der hohen Rechengeschwindigkeit für große Datenmengen geeignet. Die zweite Methode “Spike-contrast” misst die Synchronität paralleler Spike-Trains mit dem Vorteil, dass die Zeitskala automatisch an die Daten angepasst wird. Im Gegensatz zu anderen Methoden, welche sich ebenfalls an die Daten anpassen, ist Spike-contrast robuster gegenüber fehlerhaften Spike-Trains und schneller für große Datenmengen. Darüber hinaus berechnet Spike-Contrast eine Synchronitätskurve als Funktion der Zeitskala. Diese Kurve ist ein neuartiges Feature zur Analyse paralleler Spike-Trains
Book chapters on the topic "Spike Train Synchrony"
Satuvuori, Eero, Irene Malvestio, and Thomas Kreuz. "Measures of Spike Train Synchrony and Directionality." In Mathematical and Theoretical Neuroscience, 201–22. Cham: Springer International Publishing, 2017. http://dx.doi.org/10.1007/978-3-319-68297-6_13.
Full textQu, Jingyi, Rubin Wang, Ying Du, and Chuankui Yan. "An Improved Method of Measuring Multiple Spike Train Synchrony." In Advances in Cognitive Neurodynamics (V), 777–83. Singapore: Springer Singapore, 2016. http://dx.doi.org/10.1007/978-981-10-0207-6_105.
Full textHoughton, Conor, and Thomas Kreuz. "Measures of Spike Train Synchrony: From Single Neurons to Populations." In Multiscale Analysis and Nonlinear Dynamics, 277–97. Weinheim, Germany: Wiley-VCH Verlag GmbH & Co. KGaA, 2013. http://dx.doi.org/10.1002/9783527671632.ch13.
Full textConference papers on the topic "Spike Train Synchrony"
Lama, Nikesh, Alan Hargreaves, Bob Stevens, and TM McGinnity. "Spike Train Synchrony Analysis of Neuronal Cultures." In 2018 International Joint Conference on Neural Networks (IJCNN). IEEE, 2018. http://dx.doi.org/10.1109/ijcnn.2018.8489728.
Full textMulansky, Mario, Nebojsa Bozanic, Andreea Sburlea, and Thomas Kreuz. "A guide to time-resolved and parameter-free measures of spike train synchrony." In 2015 International Conference on Event-based Control, Communication, and Signal Processing (EBCCSP). IEEE, 2015. http://dx.doi.org/10.1109/ebccsp.2015.7300693.
Full textChew, Gabriel, Kai Keng Ang, Rosa Q. So, Zhiming Xu, and Cuntai Guan. "Combining firing rate and spike-train synchrony features in the decoding of motor cortical activity." In 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). IEEE, 2015. http://dx.doi.org/10.1109/embc.2015.7318555.
Full textQi, Dexuan, and Zhenguo Xiao. "Spike trains synchrony with different coupling strengths in a hippocampus CA3 small-world network model." In 2013 6th International Conference on Biomedical Engineering and Informatics (BMEI). IEEE, 2013. http://dx.doi.org/10.1109/bmei.2013.6746947.
Full textQi, Dexuan, Zhenguo Xiao, Shuo Liu, and Yongshu Jiao. "Spike Trains Synchrony with Changed Neuronal Networks Parameters in a Hippocampus CA3 Small-World Network Model." In 2017 4th International Conference on Information Science and Control Engineering (ICISCE). IEEE, 2017. http://dx.doi.org/10.1109/icisce.2017.360.
Full text