Mathematics in Neuroscience プレゼン準備 — 数学解説 HTML 一覧
| § | セクション | 関連ノート (クリックで開く) | 状態 |
|---|---|---|---|
| §0 | タイトル + 問い | — | — |
| §1-2 | 単一チャネル記録 + 滞在時間ヒストグラム | マクロ電流 vs 滞在時間ヒストグラム | ✓ |
| §3 | 指数の数 = 状態の数 (核心) | 指数分布と状態数推定 | ✓ |
| §4 | 必要最小限の数学 (CTMC・Q行列・exp(Qt)) | (作成中) | 進行中 |
| §5 | 固有値構造と状態数の橋渡し | (予定) | — |
| §6 | 逆問題: 最尤推定 (Colquhoun-Hawkes) | Kolmogorov 方程式 vs 逆問題 | ✓ |
| §7 | 同定可能性 (数学者へのフック) | (予定) | — |
| §8 | まとめ | — | — |
発表全体の心臓部。指数分布の基本、無記憶性 (= マルコフ性)、指数の重ね合わせ (mixture) と和 (Erlang) の決定的な違い、そして「指数の本数 = 状態の数」というメッセージ。Colquhoun-Hawkes の古典図 (実線=mixture / 破線=Erlang) を実データ例として埋め込み。
→ exponential-distribution-and-state-counting.html教科書がマクロ電流で書く理由と、なぜこの発表が単一チャネル滞在時間ヒストグラムから出発するかを明示。3つの似たもの (単一電流トレース・マクロ電流・ヒストグラム) の区別。両者は同じ Q行列の固有値を共有。
→ macroscopic-current-vs-dwell-time-histogram.html「後進方程式 = 逆問題」という誤解の解消。両方とも順方向に確率を計算する方程式で、違いは「何を固定して何を動かすか」だけ。逆問題はパラメータ推定の枠組みで、方程式の向きとは無関係。
→ kolmogorov-equations-vs-inverse-problem.html確率過程・マルコフ性の正式定義・時間均一性・指数滞在時間・有限状態空間。なぜ CTMC がイオンチャネルの自然な枠組みなのか。神経生理との対応。
Q = lim (P(t)−I)/t の意味。3つの特徴づけ (q_ij ≥ 0, q_ii ≤ 0, 行和=0)。各成分の神経生理的解釈 (遷移率 = 速度定数)。2状態・3状態の具体例。
マクローリン展開による定義。Kolmogorov 方程式の解。対角化と固有値展開。固有値が滞在時間分布の指数部に出てくる仕組み。
Q を対角化すると、滞在時間分布が指数の和になる仕組み。Q のサブブロックの固有値 = 観測されるヒストグラムの指数成分。これが「指数の本数 = 状態数」の数学的正体。
観測列 (open-closed-open-...) の尤度関数。隠れマルコフモデル (HMM, 連続時間版) のアプローチ。dead time / missed events 補正。状態数を BIC などで選ぶモデル選択。
異なる Q が同じ観測分布を与える可能性 (Fredkin-Rice 1986)。集約マルコフ連鎖 (lumping) の問題。代数幾何的アプローチ。数学者が興味を持てる開いた問題。
C:\Users\lunel\Documents\claude\Mathematics in neuroscience\docs\learning\.html。self-contained (inline CSS / SVG / base64画像) で他環境にコピーしても動く。最終更新: 2026-05-18 / プロジェクト: Mathematics in Neuroscience プレゼン準備