文件名称：MATLAB用拟合出的代码绘图-Hartoyo-et-al-2019-DATA-n-CODE:Hartoyo等人（2019）数据和代码
文件大小：50.61MB
文件格式：ZIP
更新时间：2024-06-10 11:18:29
系统开源
MATLAB用拟合出的代码绘图 Hartoyo等人采用的方法和数据集的实现。 （2019） 为了检查神经人口模型的可识别性和草率，我们将其拟合到一个脑电图谱，并估计了22个未知参数的后验分布。 然后，我们表征此分布的属性，以诊断无法识别和草率的特征。 为了确保我们的结果不特定于特定的拟合算法，我们使用两种独立的方法：粒子群优化（PSO）和马尔可夫链蒙特卡洛（MCMC）。 为确保我们的结果不特定于给定的个体，我们使用这两种方法针对82个不同的EEG频谱中的每一个，估计了22个后验分布。 然后，我们概述两种拟合方案，重点是如何使用它们从22维后验分布中进行采样。 最后，我们描述了使用Kullback-Leibler散度（KLD）来总结我们对单个参数的了解以及使用Fisher信息矩阵（FIM）来评估模型的草率和可识别性的过程。 以下手稿中介绍了这些技术的完整说明： 由Agus Hartoyo，Peter Cadusch，David Liley和Damien Hicks撰写的“用于皮层活动的神经种群模型中的参数估计和可识别性”： 数据集 “ Hartoyo等人（2019）数据集”文件夹包含Ha
【文件预览】：
Hartoyo-et-al-2019-DATA-n-CODE-master
----Hartoyo et al. (2019) code()
--------LHLogRatio.m(450B)
--------LHOptim2Base.m(4KB)
--------RawSel.m(2KB)
--------ThetaFileBaseWN2.mat(772KB)
--------MyDistPlot.m(585B)
--------ThetaFileBaseWN19.mat(8.13MB)
--------ParamArray.m(3KB)
--------ThetaFileBaseWN82.mat(8.23MB)
--------ParamName.m(2KB)
--------ConvertAgusData.m(1KB)
--------PriorPDF.m(1KB)
--------BPFilterBase.m(1KB)
--------RunPSO.m(6KB)
--------RunLHOptim2BaseML.m(703B)
--------ParamNameBase.m(2KB)
--------DKLHessDataWN_a.mat(527KB)
--------DKLHessDataWN.mat(526KB)
--------AgusParamDev.m(4KB)
--------PlotParamHistBase.m(4KB)
--------RunKLDBase_a.m(856B)
--------UpdateParam.m(3KB)
--------RunSequenceBase.m(815B)
--------PlotEEGBase2.m(1KB)
--------ReadEEGDataOz.m(860B)
--------PlotFitBase.m(2KB)
--------ThetaFileBaseWN52.mat(7.9MB)
--------MCMCSetupX.m(710B)
--------CalcKLDBase.m(1KB)
--------FisherDataWN.mat(526KB)
--------IsValidJacobian.m(400B)
--------82x100x24_best_paramsets.mat(1.5MB)
--------FindSingularPoints.m(8KB)
--------ThetaFileBaseWN58.mat(8.06MB)
--------AgusParam.m(4KB)
--------RatioCostFnBase.m(2KB)
--------MPDSingPts2.m(8KB)
--------LogLFnBase.m(2KB)
--------AgusFiguresSetup.m(1KB)
--------FisherDataWN_a.mat(527KB)
--------DKYHessianBase.m(3KB)
--------PlotShape.m(1KB)
--------BaseSetup.m(334B)
--------ParamNameSimple.m(2KB)
--------KLDataWN.mat(13KB)
--------PlotEigenDirn.m(1KB)
--------edfread.m(11KB)
--------LHLogValue.m(305B)
--------MCMCBase.m(7KB)
--------FisherSeqBase.m(2KB)
--------IdealEEG.m(1KB)
--------MLDataWN.mat(14KB)
--------FigureSetup.m(1KB)
--------GenIdealSpectra.m(872B)
--------FisherBase.m(2KB)
--------DKYHessianSeqBase.m(2KB)
--------Proposal1.m(323B)
--------82x73_target_spectra.mat(44KB)
--------MyBoxPlot.m(933B)
--------IdealSpect.m(891B)
--------PlotPairDist.m(2KB)
--------FiguresBase.m(14KB)
--------PriorType.m(4KB)
--------IsChaoticSolution.m(337B)
--------PlotCParamHistBase.m(2KB)
--------EEGSpectra.mat(130KB)
--------PlotCorrCoeff.m(1KB)
--------indexes.mat(510B)
--------NumSel.m(873B)
--------CheckSolution.m(3KB)
--------ThetaFileBaseWN56.mat(7.51MB)
--------ThetaFileBaseWN1.mat(735KB)
--------DeNormArray.m(3KB)
--------RunKLDBase.m(787B)
--------MPDSpectrumD2.m(3KB)
--------RunPSObasedSampling.m(2KB)
----Hartoyo et al. (2019) datasets()
--------82x100x22_best_paramsets_PSO.mat(1.3MB)
--------82x1000x22_best_paramsets_MCMC.mat(12.91MB)
--------82_subject_indices.mat(261B)
--------82x73_target_spectra.mat(44KB)
----README.md(4KB)