TU Berlin

Neuronale InformationsverarbeitungAdaptation, Plastizität und Kodierung in sensorischen Systemen

Neuronale Informationsverarbeitung

Inhalt

zur Navigation

Adaptation, Plastizität und Kodierung in sensorischen Systemen

Lupe

Studien an wachen Tieren liefern reichlich Anhaltspunkte dafür, dass neuronale Antworteigenschaften auf verschiedenen Zeitskalen – von wenigen Millisekunden bis zu Minuten – moduliert werden. Wir kombinieren mathematische Modelle neuronaler Netzwerke mit Konzepten und Techniken aus den Gebieten dynamische Systeme, statistische Physik und maschinelles Lernen und interessieren uns dabei für die Mechanismen, welche Änderungen neuronaler Erregbarkeit, Adaptation und synaptischer Plastizität zugrunde liegen, sowie für deren Rolle in der Berechnung und Aufrechterhaltung sensorischer Informationen und Stabilisierung physiologischer Netzwerkzustände.

Kürzlich haben wir die Aktivität und Synchronisation von adaptiven Modellneuronen untersucht, indem wir Mean-Field-Methoden, eine Phasenreduktions-Technik sowie das Master-Stability-Function-Framework angewendet und erweitert haben. Wir haben die Effekte verschiedener Typen von Adaptationsströmen -- welche in der Hirnrinde durch neuromodulatorische Systeme (top-down) kontrolliert werden -- auf Spike-Statistiken charakterisiert, und deren Potential zur Stabilisierung von Spike-Synchronisierung, Phasen-Kopplung und Cluster-Zustände beschrieben. Darüberhinaus haben wir die Auswirkung von Adaptationsströmen auf Feuerraten-Oszillationen in großen Netzwerken, in welchen stochastische externe Signale nur "schwache Synchronisation" erlauben, analysiert.

Ein anderes wichtiges Thema in diesem Zusammenhang ist die Rolle des Rauschens in der sensorischen Verarbeitung und ob dieses Rauschen als nützlich oder schädlich erachtet werden muss. Zu diesem Zweck haben wir kürzlich neue Verfahren entwickelt, mit denen sich Rauschkorrelationen quantifizieren lassen. Diese Methoden werden zur Analyse lange vernachlässigter Abhängigkeitsstrukturen innerhalb neuronaler Populationen verwendet.

Danksagungen: Dieses Projekt wurde vom BMBF, der DFG und der Technischen Universität Berlin finanziert.

Ausgewählte Publikationen:

Augustin, M., Ladenbauer, J., Baumann, F. and Obermayer, K. (2017). Low-dimensional spike rate models derived from networks of adaptive integrate-and-fire neurons: Comparison and implementation. PLoS Computational Biology, 13


Ladenbauer, J., Augustin, M. and Obermayer, K. (2014). How Adaptation Currents Change Threshold, Gain and Variability of Neuronal Spiking. Journal of Neurophysiology, 111, 939–953.


Ladenbauer, J., Lehnert, J., Rankoohi, H., Dahms, T., Schöll, E. and Obermayer, K. (2013). Adaptation Controls Synchrony and Cluster States of Coupled Threshold-Model Neurons. Physical Review E, 88, 042713.


Augustin, M., Ladenbauer, J. and Obermayer, K. (2013). How Adaptation Shapes Spike Rate Oscillations in Recurrent Neuronal Networks. Front. Comput. Neurosci., 7


Ladenbauer, J., Augustin, M., Shiau, L. and Obermayer, K. (2012). Impact of Adaptation Currents on Synchronization of Coupled Exponential Integrate-and-Fire Neurons. PLoS Computational Biology, 8


Onken, A., Grünewälder, S., Munk, M. and Obermayer, K. (2009). Analyzing Short-Term Noise Dependencies of Spike-Counts in Macaque Prefrontal Cortex Using Copulas and the Flashlight Transformation. PLoS Comput. Biol., 5, e1000577.


Wimmer, K., Hildebrandt, K., Henning, R. and Obermayer, K. (2008). Adaptation and Selective Information Transmission in the Cricket Auditory Neuron AN2. PLoS Computational Biology, 4


Young, J., Waleszczyk, W., Wang, C., Calford, M., Dreher, B. and Obermayer, K. (2007). Cortical Reorganization Consistent with Spike Timing- but not Correlation-Dependent Plasticity. Nat. Neurosci., 10, 887 – 889.


Schwabe, L. and Obermayer, K. (2005). Learning Top-Down Gain Control in a Recurrent Network Model of a Visual Cortical Area. Vision Research, 45, 3202 – 3209.


Schwabe, L. and Obermayer, K. (2005). Adaptivity of Tuning Functions in a Generic Recurrent Network Model of a Cortical Hypercolumn. Journal of Neuroscience, 25, 3323 – 3332.


Beck, O., Chistiakova, M., Obermayer, K. and Volgushev, M. (2005). Adaptation of Synaptic Connections to Layer 2/3 Pyramidal Cells in Rat Visual Cortex. Journal of Neurophysiology, 94, 363 – 376.


Wenning, G., Hoch, T. and Obermayer, K. (2005). Detection of Pulses in a Colored Noise Setting. Physical Review E, 71, 21902.


Wenning, G. and Obermayer, K. (2003). Activity Driven Adaptive Stochastic Resonance. Physical Review Letters, 90, 120602.


Hoch, T., Wenning, G. and Obermayer, K. (2003). Optimal Noise-Aided Signal Transmission through Populations of Neurons. Physical Review E, 68, 11911.


Nach oben

Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe