Predictability in natural images determines V1 firing rates and 
synchronization: A deep neural network approach

Uran, C.; Peter, A.; Lazar, A.; Barnes, W.; Klon-Lipok, J.; Shapcott, K. A.; Roese, R.; Fries, P.; Singer, W.; Vinck, M.

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

FreigabegeschichteDetailsÜbersicht

Freigegeben

Zeitschriftenartikel

Predictability in natural images determines V1 firing rates and synchronization: A deep neural network approach

MPG-Autoren

Lazar, A.
Neurophysiology Department, Max Planck Institute for Brain Research, Max Planck Society;

Barnes, W.
Neurophysiology Department, Max Planck Institute for Brain Research, Max Planck Society;

Klon-Lipok, J.
Neurophysiology Department, Max Planck Institute for Brain Research, Max Planck Society;

Shapcott, K. A.
Neurophysiology Department, Max Planck Institute for Brain Research, Max Planck Society;

Singer, W.
Neurophysiology Department, Max Planck Institute for Brain Research, Max Planck Society;

Externe Ressourcen

Es sind keine externen Ressourcen hinterlegt

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Uran, C., Peter, A., Lazar, A., Barnes, W., Klon-Lipok, J., Shapcott, K. A., et al. (2020). Predictability in natural images determines V1 firing rates and synchronization: A deep neural network approach. bioRxiv.

Zitierlink: https://hdl.handle.net/21.11116/0000-0007-81CE-F

Zusammenfassung

Es ist keine Zusammenfassung verfügbar