神经高斯随机场的建模、分析及应用

项目名称： 神经高斯随机场的建模、分析及应用

项目编号： No.61273309

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 卢文联

作者单位： 复旦大学

项目金额： 60万元

中文摘要： 本项目的目标是基于计算神经模型,通过构建输入到输出神经放电点过程的激发率的期望、方差（变异系数）和相关系数的映射，建立新的神经高斯随机场模型，为研究计算神经科学建立一个新平台，利用数学和统计的工具分析计算神经科学中一些热点问题，并应用于分析生物数据。我们希望做到：（1）、利用相关系数的发展方程研究神经同步发放链的演化和时空分布；（2）、基于高斯场和信息理论分析神经网络中的信息传递；（3）、利用Young测度和放松优化理论研究如何在噪音环境中实现精确的神经控制 ；（4）、发展高斯随机场的学习算法，通过输入输出放电信号的相关系数研究STDP；（5）、基本建立基于神经高斯随机场的fMCI数据处理和分析框架。我们希望通过该模型的建立和研究，能提供一类模型和方法，为神经计算科学与人工神经网络理论之间隔阂找一个连接的桥梁。

中文关键词： 高斯神经场；协调性；神经-运动控制；基因影像；智能网络系统

英文摘要： The goal of the project is to establish a new neural Gaussian random field model by constructing input-output mapping of the expectations, variances (or equivalently coefficients of varation) and the coefficients of correlation of the spiking rates, based on the well-known computational neuronal models. By this way, we aim to construct a novel research platform, on which the well-developed mathematical and statistic tools can be utilised to study a number of hot topics in the computational neuroscience and treat biological data of neural activities. Our tasks include: (1). We are to investigate the spatial-temporal properties of neural synfire chain by studying the evolution and distribution of the correlation coefficients in the model; (2). We discuss the information transfer in the neural network via the Gaussian distributions of the neural dynamics; (3). We use the Young measure and relax optimization theory to realize precise neural control in a noisy circumstance; (4). We will develop learning algorithms of Gaussian random field, in particular a learning approach based on the input-ouput correlation to analyze STDP; (5). We are to provide a fundamental framework of the procssing and analyzing fMCI data based on neural Gaussian random field theory. We expect that the results of the project can provide a clas

英文关键词： Gaussian neural field；coordination；neuro-motion control；genetic-imaging；intelligent network systems