10、神经尖峰序列数据中的组件检测与过程挖掘中的概念漂移处理

神经尖峰序列数据中的组件检测与过程挖掘中的概念漂移处理

神经尖峰序列数据中的组件检测

组件检测方法

在连续神经尖峰序列数据中，距离度量本身能提供所有相关信息。属于同一组件的神经元彼此之间的距离，比它们与其他神经元的距离更小。基于此，我们可以采用以下简单的方法来检测组件：
1. 使用Sammon非线性映射（或其他多维缩放方法）将神经元映射到一维，并根据映射值对神经元进行排序。
2. 找到索引 $k$，使得 $k = \argmax_{1\leq i\leq n}|x_i - x_{i + 1}|$，这个索引表示排序后连续两个神经元之间的最大间隙。
3. 在这个间隙处设置决策边界，从而得到两组神经元索引：
- $A = {i | i \geq 1 \land i \leq k}$
- $B = {i | i > k \land i \leq n}$
4. 选择平均内部距离最小的集合作为组件，平均内部距离的计算公式如下：
- $d_A = \frac{1}{k - 1}|x_k - x_1|$
- $d_B = \frac{1}{n - k - 1}|x_n - x_{k + 1}|$

评估方法

为了评估上述方法，我们人工生成了一组 $n = 50$ 个尖峰序列，这些尖峰序列是独立的平稳泊松过程， firing 率为 $\lambda = 20Hz$，与皮质神经元的 firing 频率相似，长度为 $T = 10s$。在这些尖峰序列中，注入了 10 个神经元的同步尖峰活动，巧合 firing 率为 $\lambda_c = 5Hz$，并适当调整背景率以获得 20Hz 的总体