SpikeOMatic Tutorial 2 SpikeOMatic goes MCMC

SpikeOMatic Tutorial 2
SpikeOMatic goes MCMC
Matthieu Delescluse and Christophe Pouzat
July 1, 2005Contents
1 Introduction 2
1.1 Why does SpikeOMatic go MCMC? . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Data generation model: the Dynamic Hidden Markov Model . . . . . . . . . . . . 2
1.2.1 Spike amplitude relaxation . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 Neuronal discharge statistics . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 The MCMC approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.1 Model parameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3.2 Con guration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.3 Posterior density and the MCMC method . . . . . . . . . . . . . . . . . . 4
1.3.4 Energy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.5 The Replica Exchange Method . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.6 Last check before we start . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Re-generate this tutorial 6
3 Start and load data 6
3.1 Loading the SpikeOMatic Package in R . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Reading the data into R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Detecting spikes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4 Making spikes and noise sweeps . . . . . . . . . . . . . . . ...