Consiglio Nazionale delle Ricerche

Tipo di prodottoArticolo in rivista
TitoloAverage synaptic activity and neural networks topology: A global inverse problem
Anno di pubblicazione2014
FormatoElettronico
Autore/iRaffaella Burioni (1,2); Mario Casartelli (1,2); Matteo di Volo (1,3,2); Roberto Livi (4,5,6,3); Alessandro Vezzani (7,1)
Affiliazioni autori(1) Dipartimento di Fisica e Scienza della Terra, Università di Parma, via G.P. Usberti, 7/A - 43124, Parma, Italy (2) INFN, Gruppo Collegato di Parma, via G.P. Usberti, 7/A - 43124, Parma, Italy (3) Centro Interdipartimentale per lo Studio delle Dinamiche Complesse, via Sansone, 1 - 50019 Sesto Fiorentino, Italy (4) Dipartimento di Fisica, Università di Firenze, via Sansone, 1 - 50019 Sesto Fiorentino, Italy (5) Istituto dei Sistemi Complessi, CNR, via Madonna del Piano 10 - 50019 Sesto Fiorentino, Italy (6) INFN Sez. Firenze, via Sansone, 1 -50019 Sesto Fiorentino, Italy (7) S3, CNR Istituto di Nanoscienze, Via Campi, 213A - 41125 Modena, Italy
Autori CNR e affiliazioni
  • ROBERTO LIVI
  • ALESSANDRO VEZZANI
Lingua/e
  • inglese
AbstractThe dynamics of neural networks is often characterized by collective behavior and quasi-synchronous events, where a large fraction of neurons fire in short time intervals, separated by uncorrelated firing activity. These global temporal signals are crucial for brain functioning. They strongly depend on the topology of the network and on the fluctuations of the connectivity. We propose a heterogeneous mean-field approach to neural dynamics on random networks, that explicitly preserves the disorder in the topology at growing network sizes, and leads to a set of self-consistent equations. Within this approach, we provide an effective description of microscopic and large scale temporal signals in a leaky integrate-and-fire model with short term plasticity, where quasi-synchronous events arise. Our equations provide a clear analytical picture of the dynamics, evidencing the contributions of both periodic (locked) and aperiodic (unlocked) neurons to the measurable average signal. In particular, we formulate and solve a global inverse problem of reconstructing the in-degree distribution from the knowledge of the average activity field. Our method is very general and applies to a large class of dynamical models on dense random networks.
Lingua abstractinglese
Altro abstract-
Lingua altro abstract-
Pagine daart_n_4336
Pagine a-
Pagine totali7
RivistaScientific reports (Nature Publishing Group)
Attiva dal 2011
Editore: Nature Publishing Group - London
Paese di pubblicazione: Regno Unito
Lingua: inglese
ISSN: 2045-2322
Titolo chiave: Scientific reports (Nature Publishing Group)
Titolo proprio: Scientific reports (Nature Publishing Group)
Numero volume della rivista4
Fascicolo della rivista-
DOI10.1038/srep04336
Verificato da refereeSì: Internazionale
Stato della pubblicazionePublished version
Indicizzazione (in banche dati controllate)
  • Scopus (Codice:2-s2.0-84896383913)
  • ISI Web of Science (WOS) (Codice:000332534800002)
Parole chiaveComplex networks, Nonlinear phenomena
Link (URL, URI)http://www.nature.com/srep/2014/140311/srep04336/full/srep04336.html#affil-auth
Titolo parallelo-
Licenza-
Scadenza embargo-
Data di accettazione18/02/2014
Note/Altre informazioniPublished 11 March 2014.
Strutture CNR
  • ISC — ISC - Sede secondaria di Firenze - Sesto Fiorentino
  • NANO — NANO - Sede secondaria di Modena (S3)
Moduli/Attività/Sottoprogetti CNR
  • MD.P02.017.001 : comportamento dinamico di sistemi complessi
Progetti Europei-
Allegati
Articolo pubblicato
Descrizione: Open access - Creative Commons.
Tipo documento: application/x-pdf