论文部分内容阅读
目的 LNP(linear-nonlinear-Poisson)模型很好地解译了神经元的响应过程,其重要环节之一是线性滤波器的提取。针对传统i STAC(information-theoretic spike-triggered average and covariance)算法运用于LNP模型时的神经元特性表征不足、运动特征提取效果不佳等问题,特别是在处理低维度刺激问题时,提出了一种改进的i STAC神经元滤波特征提取算法。方法引入非触发刺激的统计量,从而更加准确地构建神经元滤波特征子空间的目标函