Comment on: "Characterization of subthreshold voltage fluctuations in neuronal membranes" by M. Rudolph and A. Destexhe
Notice bibliographique
Résumé
In two recent papers, Rudolph and Destexhe (Neural Comp. {\bf 15}, 2577-2618, 2003; Neural Comp. in press, 2005) studied a leaky integrator model (i.e. an RC-circuit) driven by correlated (``colored'') Gaussian conductance noise and Gaussian current noise. In the first paper they derived an expression for the stationary probability density of the membrane voltage; in the second paper this expression was modified to cover a larger parameter regime. Here we show by standard analysis of solvable limit cases (white-noise limit of additive and multiplicative noise sources; only slow multiplicative noise; only additive noise) and by numerical simulations that their first result does not hold for the general colored-noise case and uncover the errors made in the derivation of a Fokker-Planck equation for the probability density. Furthermore, we demonstrate analytically (including an exact integral expression for the time-dependent mean value of the voltage) and by comparison to simulation results, that the extended expression for the probability density works much better but still does not solve exactly the full colored-noise problem. We also show that at stronger synaptic input the stationary mean value of the linear voltage model may diverge and give an exact condition relating the system parameters for which this takes place.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,031 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,009 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».