न्यूरल कोडिंग: Difference between revisions

From Vigyanwiki
(Created page with "{{short description|Method by which information is represented in the brain}} तंत्रिका कोडिंग (या तंत्रिका प्रतिन...")
 
No edit summary
 
(12 intermediate revisions by 4 users not shown)
Line 1: Line 1:
{{short description|Method by which information is represented in the brain}}
{{short description|Method by which information is represented in the brain}}
तंत्रिका कोडिंग (या तंत्रिका प्रतिनिधित्व) एक [[तंत्रिका विज्ञान]] क्षेत्र है जो उत्तेजना (फिजियोलॉजी) और व्यक्तिगत या न्यूरोनल समूह न्यूरोनल प्रतिक्रियाओं और समूह में न्यूरॉन्स के [[इलेक्ट्रोफिजियोलॉजी]] के बीच संबंध के बीच काल्पनिक संबंध को चिह्नित करने से संबंधित है।<ref name="Brown">{{cite journal |vauthors=Brown EN, Kass RE, Mitra PP |title=Multiple neural spike train data analysis: state-of-the-art and future challenges |journal=Nat. Neurosci. |volume=7 |issue=5 |pages=456–61 |date=May 2004 |pmid=15114358 |doi=10.1038/nn1228 |s2cid=562815 }}</ref><ref>{{Cite journal|last=Johnson|first=K. O.|date=June 2000|title=तंत्रिका कोडिंग|journal=Neuron|volume=26|issue=3|pages=563–566|issn=0896-6273|pmid=10896153|doi=10.1016/S0896-6273(00)81193-9|doi-access=free}}</ref> उस सिद्धांत के आधार पर
'''न्यूरल कोडिंग''' (या '''न्यूरल प्रतिनिधित्व''') एक न्यूरल विज्ञान क्षेत्र है जो संदीपन और व्यक्तिगत या समूह न्यूरोनल प्रतिक्रियाओं और समूह में न्यूरॉन्स की विद्युत गतिविधि के बीच संबंध के बीच काल्पनिक संबंध को चित्रित करने से संबंधित है।<ref name="Brown">{{cite journal |vauthors=Brown EN, Kass RE, Mitra PP |title=Multiple neural spike train data analysis: state-of-the-art and future challenges |journal=Nat. Neurosci. |volume=7 |issue=5 |pages=456–61 |date=May 2004 |pmid=15114358 |doi=10.1038/nn1228 |s2cid=562815 }}</ref><ref>{{Cite journal|last=Johnson|first=K. O.|date=June 2000|title=तंत्रिका कोडिंग|journal=Neuron|volume=26|issue=3|pages=563–566|issn=0896-6273|pmid=10896153|doi=10.1016/S0896-6273(00)81193-9|doi-access=free}}</ref> इस सिद्धांत के आधार पर कि संवेदी और अन्य जानकारी मस्तिष्क में न्यूरॉन्स के नेटवर्क द्वारा दर्शायी जाती है, यह माना जाता है कि न्यूरॉन्स डिजिटल और एनालॉग दोनों सूचनाओं को एनकोड कर सकते हैं।<ref name="thorpe">{{cite book |first=S.J. |last=Thorpe |chapter=Spike arrival times: A highly efficient coding scheme for neural networks |chapter-url=https://www.researchgate.net/publication/247621744 |format=PDF |pages=91–94 |editor1-first=R. |editor1-last=Eckmiller |editor2-first=G. |editor2-last=Hartmann |editor3-first=G. |editor3-last=Hauske | editor3-link = Gert Hauske |title=तंत्रिका तंत्र और कंप्यूटर में समानांतर प्रसंस्करण|url=https://books.google.com/books?id=b9gmAAAAMAAJ |year=1990 |publisher=North-Holland |isbn=978-0-444-88390-2}}</ref>
संवेदी और अन्य जानकारी मस्तिष्क में [[जैविक तंत्रिका नेटवर्क]] द्वारा दर्शायी जाती है, ऐसा माना जाता है कि [[न्यूरॉन]]्स [[डिजिटल डाटा]] और [[ एनालॉग संकेत ]] जानकारी दोनों को एन्कोड कर सकते हैं।<ref name="thorpe">{{cite book |first=S.J. |last=Thorpe |chapter=Spike arrival times: A highly efficient coding scheme for neural networks |chapter-url=https://www.researchgate.net/publication/247621744 |format=PDF |pages=91–94 |editor1-first=R. |editor1-last=Eckmiller |editor2-first=G. |editor2-last=Hartmann |editor3-first=G. |editor3-last=Hauske | editor3-link = Gert Hauske |title=तंत्रिका तंत्र और कंप्यूटर में समानांतर प्रसंस्करण|url=https://books.google.com/books?id=b9gmAAAAMAAJ |year=1990 |publisher=North-Holland |isbn=978-0-444-88390-2}}</ref>
 
 
== सिंहावलोकन ==
== सिंहावलोकन ==
शरीर की कोशिकाओं (जीव विज्ञान) में न्यूरॉन्स बड़ी दूरी पर संकेतों को तेजी से प्रसारित करने की अपनी क्षमता में उल्लेखनीय हैं। वे [[कार्यवाही संभावना]] कहे जाने वाले विशिष्ट विद्युत स्पंदों को उत्पन्न करके ऐसा करते हैं: वोल्टेज स्पाइक्स जो अक्षतंतु के नीचे यात्रा कर सकते हैं। संवेदी न्यूरॉन्स बाहरी संवेदी उत्तेजनाओं, जैसे कि प्रकाश, ध्वनि, [[स्वाद]], घ्राण और स्पर्श की उपस्थिति के साथ, विभिन्न अस्थायी पैटर्न में कार्य क्षमता के अनुक्रम को सक्रिय करके अपनी गतिविधियों को बदलते हैं। यह ज्ञात है कि उत्तेजना के बारे में जानकारी क्रिया क्षमता के इस पैटर्न में एन्कोड की जाती है और मस्तिष्क में और उसके आसपास प्रसारित की जाती है, लेकिन यह एकमात्र तरीका नहीं है। विशिष्ट न्यूरॉन्स, जैसे कि रेटिना, श्रेणीबद्ध क्षमताओं के माध्यम से अधिक जानकारी संचारित कर सकते हैं। यह ऐक्शन पोटेंशिअल से भिन्न है क्योंकि उत्तेजना की ताकत के बारे में जानकारी सीधे न्यूरॉन्स आउटपुट की ताकत से संबंधित होती है। श्रेणीबद्ध क्षमता के लिए सिग्नल बहुत तेजी से घटता है, जिसके लिए छोटी अंतर-न्यूरॉन दूरी और उच्च न्यूरोनल घनत्व की आवश्यकता होती है। श्रेणीबद्ध संभावनाओं का लाभ उच्च सूचना दर है जो स्पाइकिंग न्यूरॉन्स की तुलना में अधिक राज्यों (यानी उच्च निष्ठा) को एन्कोड करने में सक्षम है।<ref>Sengupta B, Laughlin SB, Niven JE (2014) Consequences of Converting Graded to Action Potentials upon Neural Information Coding and Energy Efficiency. PLOS Computational Biology 10(1): e1003439. https://doi.org/10.1371/journal.pcbi.1003439</ref>
शरीर की कोशिकाओं में न्यूरॉन्स बड़ी दूरी पर संकेतों को तेजी से फैलाने की अपनी क्षमता में उल्लेखनीय हैं। वे क्रिया सामर्थ्य कहे जाने वाले विशिष्ट विद्युत स्पंदों को उत्पन्न करके ऐसा करते हैं: वोल्टेज स्पाइक्स जो अक्षतंतु तक नीचे जा सकते हैं। संवेदी न्यूरॉन्स बाहरी संवेदी संदीपन, जैसे प्रकाश, ध्वनि, स्वाद, गंध और स्पर्श की उपस्थिति के साथ, विभिन्न टेम्पोरल पैटर्न में कार्य क्षमता के अनुक्रमों को सक्रिय करके अपनी गतिविधियों को बदलते हैं। यह ज्ञात है कि संदीपन के बारे में जानकारी कार्य क्षमता के इस पैटर्न में एन्कोड की गई है और मस्तिष्क में और उसके आसपास प्रसारित की जाती है, लेकिन यह एकमात्र तरीका नहीं है। विशिष्ट न्यूरॉन्स, जैसे कि रेटिना, श्रेणीबद्ध क्षमताओं के माध्यम से अधिक जानकारी संप्रेषित कर सकते हैं। यह क्रिया क्षमता से भिन्न है क्योंकि संदीपन की ताकत के बारे में जानकारी सीधे न्यूरॉन के आउटपुट की ताकत से संबंधित होती है। श्रेणीबद्ध क्षमता के लिए सिग्नल बहुत तेजी से क्षीण होता है, जिसके लिए कम अंतर-न्यूरॉन दूरी और उच्च न्यूरोनल घनत्व की आवश्यकता होती है। वर्गीकृत क्षमता का लाभ उच्च सूचना रेट है जो स्पाइकिंग न्यूरॉन्स की तुलना में अधिक राज्यों (यानी उच्च निष्ठा) को एन्कोड करने में सक्षम है।<ref>Sengupta B, Laughlin SB, Niven JE (2014) Consequences of Converting Graded to Action Potentials upon Neural Information Coding and Energy Efficiency. PLOS Computational Biology 10(1): e1003439. https://doi.org/10.1371/journal.pcbi.1003439</ref>
यद्यपि क्रिया क्षमताएं अवधि, [[आयाम]] और आकार में कुछ हद तक भिन्न हो सकती हैं, उन्हें आमतौर पर तंत्रिका कोडिंग अध्ययनों में समान रूढ़िबद्ध घटनाओं के रूप में माना जाता है। यदि किसी ऐक्शन पोटेंशिअल (लगभग 1ms) के [[संक्षिप्त-स्पाइक]] को नजरअंदाज कर दिया जाता है, तो ऐक्शन पोटेंशिअल अनुक्रम, या स्पाइक ट्रेन, को समय में सभी-या-कोई नहीं कानून|सभी-या-कोई नहीं बिंदु घटनाओं की एक श्रृंखला द्वारा चित्रित किया जा सकता है।<ref name="Gerstner">{{cite book|author-link1=Wulfram Gerstner |first1=Wulfram |last1=Gerstner |first2=Werner M. |last2=Kistler |title=Spiking Neuron Models: Single Neurons, Populations, Plasticity |url=https://books.google.com/books?id=Rs4oc7HfxIUC |year=2002 |publisher=Cambridge University Press |isbn=978-0-521-89079-3}}</ref> स्पाइक ट्रेन में दो क्रमिक स्पाइक्स के बीच इंटरस्पाइक अंतराल ([[ अस्थायी कोडिंग ]]) की लंबाई अक्सर स्पष्ट रूप से यादृच्छिक रूप से भिन्न होती है।<ref name="Stein">{{cite journal |vauthors=Stein RB, Gossen ER, Jones KE |title=Neuronal variability: noise or part of the signal? |journal=Nat. Rev. Neurosci. |volume=6 |issue=5 |pages=389–97 |date=May 2005 |pmid=15861181 |doi=10.1038/nrn1668 |s2cid=205500218 }}</ref> तंत्रिका कोडिंग के अध्ययन में यह मापना और वर्णन करना शामिल है कि उत्तेजना गुण, जैसे कि प्रकाश या ध्वनि की तीव्रता, या मोटर क्रियाएं, जैसे हाथ की गति की दिशा, न्यूरॉन एक्शन पोटेंशिअल या स्पाइक्स द्वारा कैसे दर्शायी जाती हैं। न्यूरोनल फायरिंग का वर्णन और विश्लेषण करने के लिए, सांख्यिकीय तरीकों और संभाव्यता सिद्धांत और स्टोकेस्टिक [[बिंदु प्रक्रिया]]ओं के तरीकों को व्यापक रूप से लागू किया गया है।


बड़े पैमाने पर तंत्रिका रिकॉर्डिंग और डिकोडिंग प्रौद्योगिकियों के विकास के साथ, शोधकर्ताओं ने तंत्रिका कोड को क्रैक करना शुरू कर दिया है और पहले से ही वास्तविक समय के तंत्रिका कोड में पहली झलक प्रदान की है क्योंकि स्मृति हिप्पोकैम्पस में बनती है और याद की जाती है, जो एक मस्तिष्क क्षेत्र है। स्मृति निर्माण के लिए केंद्रीय बनें।<ref>The Memory Code. http://www.scientificamerican.com/article/the-memory-code/</ref><ref>{{cite journal | last1 = Chen | first1 = G | last2 = Wang | first2 = LP | last3 = Tsien | first3 = JZ | year = 2009 | title = माउस हिप्पोकैम्पस में तंत्रिका जनसंख्या-स्तरीय स्मृति निशान| journal = PLOS ONE | volume = 4 | issue = 12| page = e8256 | doi = 10.1371/journal.pone.0008256 | pmid = 20016843 | pmc=2788416| bibcode = 2009PLoSO...4.8256C | doi-access = free }}</ref><ref>{{cite journal | last1 = Zhang | first1 = H | last2 = Chen | first2 = G | last3 = Kuang | first3 = H | last4 = Tsien | first4 = JZ | date = Nov 2013 | title = हिप्पोकैम्पस में एनएमडीए रिसेप्टर-निर्भर भय स्मृति एन्ग्राम के तंत्रिका कोड का मानचित्रण और व्याख्या करना| journal = PLOS ONE | volume = 8 | issue = 11| page = e79454 | doi = 10.1371/journal.pone.0079454 | pmid = 24302990 | pmc=3841182| bibcode = 2013PLoSO...879454Z | doi-access = free }}</ref> तंत्रिका वैज्ञानिकों ने कई बड़े पैमाने पर मस्तिष्क डिकोडिंग परियोजनाएं शुरू की हैं।<ref>Brain Decoding Project. http://braindecodingproject.org/</ref><ref>The Simons Collaboration on the Global Brain. https://www.simonsfoundation.org/life-sciences/simons-collaboration-global-brain/</ref>
हालाँकि क्रिया सामर्थ्य अवधि, आयाम और आकार में कुछ हद तक भिन्न हो सकते हैं, लेकिन उन्हें सामान्यतः न्यूरल कोडिंग अध्ययनों में समान रूढ़िबद्ध घटनाओं के रूप में माना जाता है। यदि किसी एक्शन पोटेंशिअल की संक्षिप्त अवधि (लगभग 1 एमएस) को नजरअंदाज कर दिया जाता है, तो एक्शन पोटेंशिअल अनुक्रम, या स्पाइक ट्रेन, को समय में सभी या किसी भी बिंदु की घटनाओं की श्रृंखला द्वारा चित्रित किया जा सकता है।<ref name="Gerstner">{{cite book|author-link1=Wulfram Gerstner |first1=Wulfram |last1=Gerstner |first2=Werner M. |last2=Kistler |title=Spiking Neuron Models: Single Neurons, Populations, Plasticity |url=https://books.google.com/books?id=Rs4oc7HfxIUC |year=2002 |publisher=Cambridge University Press |isbn=978-0-521-89079-3}}</ref> स्पाइक ट्रेन में दो लगातार स्पाइक्स के बीच इंटरस्पाइक अंतराल (आईएसआई) की लंबाई प्रायः स्पष्ट रूप से यादृच्छिक रूप से भिन्न होती है।<ref name="Stein">{{cite journal |vauthors=Stein RB, Gossen ER, Jones KE |title=Neuronal variability: noise or part of the signal? |journal=Nat. Rev. Neurosci. |volume=6 |issue=5 |pages=389–97 |date=May 2005 |pmid=15861181 |doi=10.1038/nrn1668 |s2cid=205500218 }}</ref> न्यूरल कोडिंग के अध्ययन में यह मापना और वर्णन करना सम्मिलित है कि संदीपन गुण, जैसे कि प्रकाश या ध्वनि की तीव्रता, या मोटर क्रियाएं, जैसे कि हाथ की गति की दिशा, न्यूरॉन कार्रवाई क्षमता या स्पाइक्स द्वारा कैसे दर्शायी जाती हैं। न्यूरोनल फायरिंग का वर्णन और विश्लेषण करने के लिए, सांख्यिकीय विधियों और संभाव्यता सिद्धांत और स्टोकेस्टिक बिंदु प्रक्रियाओं के तरीकों को व्यापक रूप से लागू किया गया है।


बड़े पैमाने पर न्यूरल रिकॉर्डिंग और डिकोडिंग प्रौद्योगिकियों के विकास के साथ, शोधकर्ताओं ने न्यूरल कोड को क्रैक करना प्रारम्भ कर दिया है और पहले से ही वास्तविक समय न्यूरल कोड में पहली झलक प्रदान की है क्योंकि स्मृति हिप्पोकैम्पस में बनती है और याद की जाती है, मस्तिष्क क्षेत्र जिसे जाना जाता है मेमोरी निर्माण के लिए केंद्रीय बनें।<ref>The Memory Code. http://www.scientificamerican.com/article/the-memory-code/</ref><ref>{{cite journal | last1 = Chen | first1 = G | last2 = Wang | first2 = LP | last3 = Tsien | first3 = JZ | year = 2009 | title = माउस हिप्पोकैम्पस में तंत्रिका जनसंख्या-स्तरीय स्मृति निशान| journal = PLOS ONE | volume = 4 | issue = 12| page = e8256 | doi = 10.1371/journal.pone.0008256 | pmid = 20016843 | pmc=2788416| bibcode = 2009PLoSO...4.8256C | doi-access = free }}</ref><ref>{{cite journal | last1 = Zhang | first1 = H | last2 = Chen | first2 = G | last3 = Kuang | first3 = H | last4 = Tsien | first4 = JZ | date = Nov 2013 | title = हिप्पोकैम्पस में एनएमडीए रिसेप्टर-निर्भर भय स्मृति एन्ग्राम के तंत्रिका कोड का मानचित्रण और व्याख्या करना| journal = PLOS ONE | volume = 8 | issue = 11| page = e79454 | doi = 10.1371/journal.pone.0079454 | pmid = 24302990 | pmc=3841182| bibcode = 2013PLoSO...879454Z | doi-access = free }}</ref> न्यूरल विज्ञानियों ने कई बड़े पैमाने पर मस्तिष्क डिकोडिंग परियोजनाएँ प्रारम्भ की हैं।<ref>Brain Decoding Project. http://braindecodingproject.org/</ref><ref>The Simons Collaboration on the Global Brain. https://www.simonsfoundation.org/life-sciences/simons-collaboration-global-brain/</ref>


== एन्कोडिंग और डिकोडिंग ==
== एन्कोडिंग और डिकोडिंग ==
उत्तेजना और प्रतिक्रिया के बीच संबंध का अध्ययन दो विपरीत दृष्टिकोणों से किया जा सकता है। तंत्रिका एन्कोडिंग उत्तेजना से प्रतिक्रिया तक के मानचित्र को संदर्भित करता है। मुख्य फोकस यह समझना है कि न्यूरॉन्स विभिन्न प्रकार की उत्तेजनाओं पर कैसे प्रतिक्रिया करते हैं, और ऐसे मॉडल का निर्माण करना है जो अन्य उत्तेजनाओं के प्रति प्रतिक्रियाओं की भविष्यवाणी करने का प्रयास करते हैं। [[ तंत्रिका डिकोडिंग ]], उत्तेजना की प्रतिक्रिया से लेकर रिवर्स मैप को संदर्भित करता है, और चुनौती एक उत्तेजना, या उस उत्तेजना के कुछ पहलुओं को उसके द्वारा उत्पन्न स्पाइक अनुक्रमों से फिर से बनाना है।
उद्दीपन और प्रतिक्रिया के बीच संबंध का अध्ययन दो विपरीत दृष्टिकोणों से किया जा सकता है। न्यूरल एन्कोडिंग संदीपन से प्रतिक्रिया तक के मानचित्र को संदर्भित करता है। मुख्य फोकस यह समझना है कि न्यूरॉन्स विभिन्न प्रकार की संदीपन पर कैसे प्रतिक्रिया करते हैं, और ऐसे मॉडल का निर्माण करना है जो अन्य संदीपन की प्रतिक्रियाओं की भविष्यवाणी करने का प्रयास करते हैं। [[ तंत्रिका डिकोडिंग |न्यूरल डिकोडिंग]], संदीपन की प्रतिक्रिया से लेकर रिवर्स मैप को संदर्भित करता है, और चुनौती संदीपन, या उस संदीपन के कुछ पहलुओं को स्पाइक अनुक्रमों से फिर से बनाना है जो इसे उद्घाटित करती है।


==परिकल्पित कोडिंग योजनाएं ==
==परिकल्पित कोडिंग योजनाएं ==
स्पाइक्स के अनुक्रम, या 'ट्रेन' में विभिन्न कोडिंग योजनाओं के आधार पर जानकारी हो सकती है। कुछ न्यूरॉन्स में पोस्टसिनेप्टिक पार्टनर जिस ताकत के साथ प्रतिक्रिया करता है वह पूरी तरह से 'फायरिंग रेट', प्रति यूनिट समय में स्पाइक्स की औसत संख्या (एक 'रेट कोड') पर निर्भर हो सकती है। दूसरे छोर पर, एक जटिल '[[ अस्थायी कोड ]]' एकल स्पाइक्स के सटीक समय पर आधारित होता है। वे दृश्य जैसे किसी बाहरी उत्तेजना से बंधे हो सकते हैं<ref>Burcas G.T & Albright T.D. Gauging sensory representations in the brain. http://www.vcl.salk.edu/Publications/PDF/Buracas_Albright_1999_TINS.pdf</ref> और [[श्रवण प्रणाली]] या तंत्रिका सर्किटरी द्वारा आंतरिक रूप से उत्पन्न होती है।<ref name="Gerstner97">{{cite journal |vauthors=Gerstner W, Kreiter AK, Markram H, Herz AV |title=Neural codes: firing rates and beyond |journal=Proc. Natl. Acad. Sci. U.S.A. |volume=94 |issue=24 |pages=12740–1 |date=November 1997 |pmid=9398065 |pmc=34168 |bibcode=1997PNAS...9412740G |doi=10.1073/pnas.94.24.12740|doi-access=free }}</ref>
स्पाइक्स के अनुक्रम, या 'ट्रेन' में विभिन्न कोडिंग योजनाओं पर आधारित जानकारी हो सकती है। कुछ न्यूरॉन्स में पोस्टसिनेप्टिक पार्टनर जिस ताकत के साथ प्रतिक्रिया करता है वह पूरी तरह से 'फायरिंग रेट', प्रति यूनिट समय में स्पाइक्स की औसत संख्या ('रेट कोड') पर निर्भर हो सकती है। दूसरी ओर, जटिल 'टेम्पोरल कोड' एकल स्पाइक्स के सटीक समय पर आधारित है। वे दृश्य<ref>Burcas G.T & Albright T.D. Gauging sensory representations in the brain. http://www.vcl.salk.edu/Publications/PDF/Buracas_Albright_1999_TINS.pdf</ref> और [[श्रवण प्रणाली]] जैसे किसी बाहरी संदीपन से बंधे हो सकते हैं या तंत्रिका सर्किट्री द्वारा आंतरिक रूप से उत्पन्न हो सकते हैं।<ref name="Gerstner97">{{cite journal |vauthors=Gerstner W, Kreiter AK, Markram H, Herz AV |title=Neural codes: firing rates and beyond |journal=Proc. Natl. Acad. Sci. U.S.A. |volume=94 |issue=24 |pages=12740–1 |date=November 1997 |pmid=9398065 |pmc=34168 |bibcode=1997PNAS...9412740G |doi=10.1073/pnas.94.24.12740|doi-access=free }}</ref>
क्या न्यूरॉन्स रेट कोडिंग या टेम्पोरल कोडिंग का उपयोग करते हैं, यह तंत्रिका विज्ञान समुदाय के भीतर गहन बहस का विषय है, भले ही इन शब्दों का क्या अर्थ है इसकी कोई स्पष्ट परिभाषा नहीं है।<ref name=":0">{{Cite book|last=Gerstner, Wulfram.|url=https://www.worldcat.org/oclc/57417395|title=Spiking neuron models : single neurons, populations, plasticity|date=2002|publisher=Cambridge University Press|others=Kistler, Werner M., 1969-|isbn=0-511-07817-X|location=Cambridge, U.K.|oclc=57417395}}</ref>
 
क्या न्यूरॉन्स रेट कोडिंग या टेम्पोरल कोडिंग का उपयोग करते हैं, यह तंत्रिका विज्ञान समुदाय के भीतर गहन बहस का विषय है, हालांकि इन शब्दों का क्या अर्थ है इसकी कोई स्पष्ट परिभाषा नहीं है।<ref name=":0">{{Cite book|last=Gerstner, Wulfram.|url=https://www.worldcat.org/oclc/57417395|title=Spiking neuron models : single neurons, populations, plasticity|date=2002|publisher=Cambridge University Press|others=Kistler, Werner M., 1969-|isbn=0-511-07817-X|location=Cambridge, U.K.|oclc=57417395}}</ref>
 
=== रेट कोडिंग ===
न्यूरोनल फायरिंग संचार के रेट कोडिंग मॉडल में कहा गया है कि जैसे-जैसे संदीपन की तीव्रता बढ़ती है, कार्रवाई क्षमता की [[आवृत्ति]] या रेट, या "स्पाइक फायरिंग" बढ़ जाती है। रेट कोडिंग को कभी-कभी आवृत्ति कोडिंग भी कहा जाता है।


रेट कोडिंग एक पारंपरिक कोडिंग योजना है, यह मानते हुए कि संदीपन के बारे में अधिकांश, यदि सभी नहीं, तो जानकारी न्यूरॉन की फायरिंग रेट में निहित होती है। क्योंकि किसी दिए गए प्रोत्साहन द्वारा उत्पन्न कार्य क्षमता का क्रम परीक्षण से परीक्षण में भिन्न होता है, न्यूरोनल प्रतिक्रियाओं को सामान्यतः सांख्यिकीय या संभाव्य रूप से व्यवहार किया जाता है। उन्हें विशिष्ट स्पाइक अनुक्रमों के बजाय फायरिंग दरों के आधार पर पहचाना जा सकता है। अधिकांश संवेदी प्रणालियों में, संदीपन की तीव्रता बढ़ने के साथ, फायरिंग रेट सामान्यतः गैर-रैखिक रूप से बढ़ जाती है।<ref name="Kandel">{{cite book |last1=Kandel |first1=E. |last2=Schwartz |first2=J. |last3=Jessel |first3=T.M. |title=तंत्रिका विज्ञान के सिद्धांत|publisher=Elsevier |year=1991 |isbn=978-0444015624 |edition=3rd |url=https://books.google.com/books?id=48hpAAAAMAAJ}}</ref> रेट कोडिंग धारणा के तहत, स्पाइक ट्रेन की टेम्पोरल संरचना में संभवतः एन्कोड की गई किसी भी जानकारी को अनदेखा कर दिया जाता है। परिणामस्वरूप, आईएसआई 'रव' के संबंध में रेट कोडिंग अक्षम है लेकिन अत्यधिक स्थिर है।<ref name="Stein"/>


=== दर कोडिंग ===
रेट कोडिंग के दौरान फायरिंग रेट की सटीक गणना करना बहुत महत्वपूर्ण है। वास्तव में, शब्द "फायरिंग रेट" की कुछ अलग-अलग परिभाषाएँ हैं, जो विभिन्न औसत प्रक्रियाओं को संदर्भित करती हैं, जैसे समय के साथ '''औसत ओवर टाइम''' (एकल-न्यूरॉन स्पाइक गणना के रूप में रेट) या प्रयोग के कई दोहराव (पीएसटीएच की रेट) का औसत हैl
न्यूरोनल फायरिंग संचार के रेट कोडिंग मॉडल में कहा गया है कि जैसे-जैसे उत्तेजना की तीव्रता बढ़ती है, कार्रवाई क्षमता या स्पाइक फायरिंग की [[आवृत्ति]] या दर बढ़ती है। रेट कोडिंग को कभी-कभी फ़्रीक्वेंसी कोडिंग भी कहा जाता है।


दर कोडिंग एक पारंपरिक कोडिंग योजना है, यह मानते हुए कि उत्तेजना के बारे में अधिकांश, यदि सभी नहीं, तो जानकारी न्यूरॉन की फायरिंग दर में निहित है। क्योंकि किसी दिए गए प्रोत्साहन से उत्पन्न कार्य क्षमता का क्रम परीक्षण से परीक्षण में भिन्न होता है, न्यूरोनल प्रतिक्रियाओं को आमतौर पर सांख्यिकीय या संभाव्य रूप से व्यवहार किया जाता है। उन्हें विशिष्ट स्पाइक अनुक्रमों के बजाय फायरिंग दरों द्वारा चित्रित किया जा सकता है। अधिकांश संवेदी प्रणालियों में, उत्तेजना की तीव्रता बढ़ने के साथ, फायरिंग दर आम तौर पर गैर-रैखिक रूप से बढ़ जाती है।<ref name="Kandel">{{cite book |last1=Kandel |first1=E. |last2=Schwartz |first2=J. |last3=Jessel |first3=T.M. |title=तंत्रिका विज्ञान के सिद्धांत|publisher=Elsevier |year=1991 |isbn=978-0444015624 |edition=3rd |url=https://books.google.com/books?id=48hpAAAAMAAJ}}</ref> रेट कोडिंग धारणा के तहत, स्पाइक ट्रेन की अस्थायी संरचना में संभवतः एन्कोड की गई किसी भी जानकारी को नजरअंदाज कर दिया जाता है। नतीजतन, आईएसआई '[[शोर]]' के संबंध में रेट कोडिंग अक्षम है लेकिन अत्यधिक मजबूत है।<ref name="Stein"/>
रेट कोडिंग में, सीखना गतिविधि-निर्भर सिनैप्टिक वजन संशोधनों पर आधारित होता है।


रेट कोडिंग के दौरान, फायरिंग दर की सटीक गणना करना बहुत महत्वपूर्ण है। वास्तव में, फायरिंग दर शब्द की कुछ अलग-अलग परिभाषाएँ हैं, जो अलग-अलग औसत प्रक्रियाओं को संदर्भित करती हैं, जैसे कि समय के साथ औसत (एकल-न्यूरॉन स्पाइक गिनती के रूप में दर) या प्रयोग के कई दोहराव (पीएसटीएच की दर) पर औसत।
रेट कोडिंग मूल रूप से 1926 में [[एडगर एड्रियन]] और [[यंगवे ज़ोटरमैन]] द्वारा दिखाई गई थी।<ref>{{cite journal|vauthors=Adrian ED, Zotterman Y|year=1926|title=The impulses produced by sensory nerve endings: Part II: The response of a single end organ.|journal=J Physiol|volume=61|issue=2|pages=151–171|doi=10.1113/jphysiol.1926.sp002281|pmid=16993780|pmc=1514782}}</ref> इस सरल प्रयोग में मांसपेशी पर अलग-अलग वजन लटकाए गए। जैसे-जैसे संदीपन का वजन बढ़ता गया, मांसपेशियों को संक्रमित करने वाली संवेदी तंत्रिकाओं से दर्ज की गई स्पाइक्स की संख्या भी बढ़ गई। इन मूल प्रयोगों से, एड्रियन और ज़ोटरमैन ने निष्कर्ष निकाला कि क्रिया क्षमताएँ एकात्मक घटनाएँ थीं, और घटनाओं की आवृत्ति, न कि व्यक्तिगत घटना परिमाण, अधिकांश अंतर-न्यूरोनल संचार का आधार थी।


रेट कोडिंग में, सीखना गतिविधि-निर्भर सिनैप्टिक वजन संशोधनों पर आधारित है।
बाद के दशकों में, फायरिंग दरों का मापन सभी प्रकार के संवेदी या कॉर्टिकल न्यूरॉन्स के गुणों का वर्णन करने के लिए मानक उपकरण बन गया, आंशिक रूप से प्रयोगात्मक रूप से दरों को मापने में सापेक्ष आसानी के कारण। हालाँकि, यह दृष्टिकोण स्पाइक्स के सटीक समय में निहित संभवतः सभी सूचनाओं की उपेक्षा करता है। हाल के वर्षों के दौरान, अधिक से अधिक प्रयोगात्मक साक्ष्यों ने सुझाव दिया है कि टेम्पोरल औसत पर आधारित सीधी फायरिंग रेट अवधारणा मस्तिष्क गतिविधि का वर्णन करने के लिए बहुत सरल हो सकती है।<ref name="Stein"/>


रेट कोडिंग मूल रूप से 1926 में [[एडगर एड्रियन]] और [[यंगवे ज़ोटरमैन]] द्वारा दिखाई गई थी।<ref>{{cite journal|vauthors=Adrian ED, Zotterman Y|year=1926|title=The impulses produced by sensory nerve endings: Part II: The response of a single end organ.|journal=J Physiol|volume=61|issue=2|pages=151–171|doi=10.1113/jphysiol.1926.sp002281|pmid=16993780|pmc=1514782}}</ref> इस सरल प्रयोग में एक मांसपेशी से अलग-अलग वजन लटकाये गये। जैसे-जैसे उत्तेजना का वजन बढ़ता गया, मांसपेशियों में प्रवेश करने वाली संवेदी तंत्रिकाओं से दर्ज की गई स्पाइक्स की संख्या भी बढ़ गई। इन मूल प्रयोगों से, एड्रियन और ज़ोटरमैन ने निष्कर्ष निकाला कि एक्शन पोटेंशिअल एकात्मक घटनाएँ थीं, और घटनाओं की आवृत्ति, न कि व्यक्तिगत घटना परिमाण, अधिकांश अंतर-न्यूरोनल संचार का आधार थी।
==== स्पाइक-काउंट रेट (समय के साथ औसत) ====
स्पाइक-काउंट रेट, जिसे टेम्पोरल औसत भी कहा जाता है, परीक्षण के दौरान दिखाई देने वाले स्पाइक्स की संख्या की ग