文件名称：怎样记录matlab中的代码-neuroGLM:基于试验的神经尖峰响应与广义线性模型（GLM）的拟合和分析
文件大小：59KB
文件格式：ZIP
更新时间：2024-06-12 20:23:32
系统开源
怎样记录matlab中的代码神经GLM 支持使用通用线性模型（GLM）对基于试验的穗状花序数据进行灵活的回归分析。 该建模框架旨在发现神经响应如何编码响应的外部（例如，感觉，运动，奖励变量）和内部（例如，尖峰历史，LFP信号）协变量。 该MATLAB代码是的分析的参考实现。 下载资料库 从命令行： git clone git@github.com:pillowlab/neuroGLM.git 在浏览器中：单击，然后解压缩存档 示例脚本 打开tutorial.m可以使用模拟数据集查看它的运行情况 简单概述 假设我们在复杂的行为实验中记录了单个神经元的尖峰响应，并且想知道在神经响应中编码了刺激或行为的哪些方面。 此代码包使我们可以使用Poisson GLM回归发现此类依赖项。 考虑一个简单的示例，其中神经元编码两个实验变量：出现视觉目标的时间以及运动点刺激的运动强度。 回归是目标出现的时间，以及每次试验中移动点的时间，持续时间和强度（“连贯性”）。 参考 IM Park，MLR Meister，AC Huk和JW Pillow（2014）。 自然神经科学17，1395-1403。
【文件预览】：
neuroGLM-master
----loadHukExampleCell.m(4KB)
----+basisFactory()
--------makeSmoothTemporalBasis.m(2KB)
--------makeNonlinearRaisedCos.m(2KB)
--------deltaStim.m(300B)
--------rawStim.m(68B)
--------temporalBases_sparse.m(2KB)
--------boxcarStim.m(203B)
--------temporalBases_dense.m(1KB)
--------convBasis.m(722B)
----tutorial_GLM_history_only.m(2KB)
----matRegress()
--------+tools()
--------+gpriors()
--------+glms()
--------LICENSE(1KB)
--------test_poisson_blkdiagonal.m(2KB)
--------README.md(323B)
--------+nlfuns()
--------test_bernoulli_blkdiagonal.m(6KB)
--------.gitignore(686B)
----+buildGLM()
--------registerSpikeTrain.m(794B)
--------addCovariateBoxcar.m(590B)
--------addCovariateRaw.m(334B)
--------addCovariateTiming.m(1KB)
--------registerValue.m(1KB)
--------zscoreDesignMatrix.m(1KB)
--------newTrial.m(186B)
--------addCovariate.m(3KB)
--------getDesignMatrixColIndices.m(531B)
--------getBinnedSpikeTrain.m(603B)
--------addCovariateSpiketrain.m(860B)
--------initDesignSpec.m(435B)
--------registerContinuous.m(835B)
--------initExperiment.m(1KB)
--------getResponseVariable.m(667B)
--------getGroupIndicesFromDesignSpec.m(332B)
--------removeConstantCols.m(541B)
--------registerTiming.m(775B)
--------spec.txt(2KB)
--------addTrial.m(1KB)
--------combineWeights.m(2KB)
--------addBiasColumn.m(642B)
--------compileSparseDesignMatrix.m(1KB)
----LICENSE(1KB)
----test()
--------testCompileSparse.m(1KB)
----README.md(2KB)
----docs()
--------tutorial.md(11KB)
----tutorial_exampleData.m(1KB)
----.gitignore(14B)
----tutorial.m(5KB)