Jakob Macke
born 1982
Member since 2013
subject: Neurosciences/ Machine Learning
Contact
Technische Universität Darmstadt, Centre for Cognitive Science
Department of Psychology
Alexanderstraße 10
64283 Darmstadt
Tel.: +49/6151/1623961
jakob.macke@psychologie.tu-darmstadt.de
Research Areas
Theoretical neurosciences
Statistical modelling
Neuronal information processing
Visual system
Motor system
Decision processes
Curriculum Vitae
-
since 2017
Professor of Psychology at the Centre for Cognitive Science, Technical University Darmstadt
-
since 2015
Max Planck Research Group Leader at the research center caesar, an associate of the Max Planck Society, Bonn
-
2015-2017
Bernstein Fellow at the Bernstein Center for Computational Neuroscience, Tübingen
-
2012-2015
Group leader "Neural Computation and Behaviour" at the Max Planck Institute for Biological Cybernetics and at the Bernstein Center, Tübingen
-
2012
Otto Hahn Medal of the Max Planck Society for outstanding scientific achievements
-
2010-2012
Postdoc (Marie Curie Fellow) at the Gatsby Computational Neuroscience Unit, University College London, UK
-
2005-2010
PhD student at the Max Planck Institute for biological cybernetics in Tübingen, department for "Empirical Inference" and junior group "Computational Vision and Neuroscience", visiting scholar at the Department for Molecular Biology, Princeton University
-
2001-2005
Studied Mathematics, University of Oxford
Featured Publication
Common input explains higher-order correlations and entropy in a simple model of neural population activity
Die universelle Sprache des Gehirns besteht aus elektrischen Impulsen, sogenannten Spikes. Dank neuer Entwicklungen in der Messtechnik können Neurowissenschaftler inzwischen die Aktivität von Dutzenden von Neuronen gleichzeitig messen. Doch bis heute ist nicht geklärt, welche Eigenschaften die Muster haben, die sich aus der Spike-Aktivität der Nervenzellen ergeben. In den letzten Jahren haben einige Experimente gezeigt, dass bisher verwendete Modelle die dabei beobachteten Aktivitätsmuster nur teilweise dargestellt werden können. In dieser Studie stellten wir ein neues Modell vor, welches auch diese Beobachtungen erklären konnte. Die wesentliche Eigenschaft des Modells ist es, dass es den Einfluss nicht gemessener Neurone in vereinfachter Form mit berücksichtigt. Damit postuliert das Modell einen einfachen Mechanismus, der möglicherweise eine ganz schlichte Erklärung für eine Reihe scheinbar widersprüchlicher Beobachtungen liefert. JH Macke, M Opper, M Bethge: Common input explains higher-order correlations and entropy in a simple model of neural population activity. Physical Review Letters 106, 208102, 2011.
Activities
Publications
-
Inferring decoding strategies from choice probabilities in the presence of correlated variability.
R Haefner, S Gerwinn, JH Macke, M Bethge: Inferring decoding strategies from choice probabilities in the presence of correlated variability. Nature Neuroscience 16(2), 235242, 2013.
-
Spectral learning of linear dynamics from generalised-linear observations with application to neural population data (NIPS)
L Busing, JH Macke, M Sahani: Spectral learning of linear dynamics from generalised-linear observations with application to neural population data (NIPS), Curran Associates Inc., 2012.
-
Empirical models of spiking in neural populations. Advances in Neural Information Processing Systems (NIPS)
JH Macke, L Busing, JP Cunningham, BM Yu, KV Shenoy, M Sahani: Empirical models of spiking in neural populations. Advances in Neural Information Processing Systems (NIPS), Curran Associates Inc., 2011.
-
Generating Spike Trains with Specified Correlation Coefficients
JH Macke, P Berens, AS Ecker, AS Tolias and M Bethge: Generating Spike Trains with Specified Correlation Coefficients. Neural Computation 21(2), 397-423, 2009.
-
Publication list
