Clustering Neurons Based on Point Process Intensity Functions
A neural spike train is a sequence of discrete event times at which a neuron emits electrical signals. Point processes provide a natural statistical framework for modeling such data, with intensity functions encoding key features of neural activity. A common problem of interest in neuroscience is clustering neurons based on their spiking activity. We examine how the choice of intensity function estimation influences clustering performance. Using both simulation experiments and real data analysis, we demonstrate that different estimators lead to meaningful differences in clustering quality. We discuss the associated trade-offs and provide practical guidelines for selecting appropriate intensity estimation methods when clustering is the primary objective.
Regroupement de neurones basé sur les fonctions d'intensité des processus ponctuels
Un train d'impulsions neuronales est une séquence d'événements discrets au cours desquels un neurone émet des signaux électriques. Les processus ponctuels fournissent un cadre statistique naturel pour modéliser ces données, les fonctions d'intensité codant les caractéristiques clés de l'activité neuronale. Un problème courant en neurosciences consiste à regrouper les neurones en fonction de leur activité impulsionnelle. Nous examinons comment le choix de l'estimation de la fonction d'intensité influence les performances du regroupement. À l'aide d'expériences de simulation et d'analyses de données réelles, nous démontrons que différents estimateurs conduisent à des différences significatives dans la qualité du regroupement. Nous discutons des compromis associés et fournissons des conseils pratiques pour la sélection de méthodes d'estimation d'intensité appropriées lorsque le regroupement est l'objectif principal.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais