KF
Kipp Freud
Author with expertise in Infrared Small Target Detection and Tracking
Achievements
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
2
(50% Open Access)
Cited by:
0
h-index:
1
/
i10-index:
1
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Deep learning-based location decoding reveals that across-day representational drift is better predicted by rewarded experience than time

Kipp Freud et al.Feb 4, 2024
C
M
N
K
ABSTRACT Neural representations of space in the hippocampus and related brain areas change over timescales of days-weeks, even in familiar contexts and when behavior appears stable. It is unclear whether this ‘representational drift’ is primarily driven by the passage of time or by behavioral experience. Here we present a novel deep-learning approach for measuring network-level representational drift, quantifying drift as the rate of change in decoder error of deep neural networks as a function of train-test lag. Using this method, we analyse a longitudinal dataset of 0.5–475 Hz broadband local field potential (LFP) data recorded from dorsal hippocampal CA1, medial prefrontal cortex and parietal cortex of six rats over ∼ 30 days, during learning of a spatial navigation task in an unfamiliar environment. All three brain regions contained clear spatial representations which improve and drift over training sessions. We find that the rate of drift slows for later training sessions. Finally, we find that drift is statistically better explained by task-relevant rewarded experiences within the maze, rather than the passage of time or number of sessions the animal spent on the maze. Our use of deep neural networks to quantify drift in broadband neural time series unlocks new possibilities for testing which aspects of behavior drive representational drift.
0

Integration of rate and temporal codes by hippocampal cell-assemblies supports theta phase coding of episodic information

Eleonora Russo et al.Jan 1, 2023
+4
A
N
E
Spatial information is encoded by location-dependent hippocampal place cell firing rates and sub-second, rhythmic modulation of spike times. These rate and temporal codes have primarily been characterized in low-dimensional environments under limited cognitive demands; but how is coding configured in complex environments when individual place cells signal several locations, individual locations contribute to multiple routes and functional demands vary? Quantifying rat CA1 population dynamics during a decision-making task, we show that the phase of individual place cells9 spikes relative to the local theta rhythm shifts to differentiate activity in different place fields. Theta phase coding also disambiguates repeated visits to the same location during different routes, particularly preceding spatial decisions. Using unsupervised detection of cell assemblies alongside theoretical simulation, we show that integrating rate and phase coding mechanisms dynamically recruits units to different assemblies, generating spiking sequences that disambiguate episodes of experience and multiplexing spatial information with cognitive context.