Nous explorons une approche de regroupement fonctionnel pour les données de processus ponctuels de trains d’impulsion nerveuse en utilisant les fonctions d’intensité sous-jacentes. Les neurones du cerveau communiquent en envoyant des signaux électrochimiques (potentiels d’action), localisés dans le temps, appelés « impulsions », formant un processus ponctuel appelé « train d’impulsion nerveuse ». Le regroupement des trains d’impulsion nerveuse est un moyen de découvrir la connectivité neuronale, car les neurones en communication présentent des schémas d’impulsion nerveuse similaires. Une approche fonctionnelle du regroupement consiste à trouver des représentations de base appropriée des fonctions d’intensité et les regrouper en utilisant les coefficients de la fonction de base, ce qui ne préserve pas nécessairement la positivité d’une fonction d’intensité. Les méthodes précédemment établies pour le regroupement de données de processus ponctuels utilisent des transformations logarithmiques pour intégrer ces contraintes. Nous adoptons une approche différente qui permet de trouver une représentation de base appropriée quadratique des fonctions d’intensité et nous comparons les résultats par le biais de simulations et d’analyses de données utilisant des données réelles de trains d’impulsions nerveuses.