Jakob Macke

Jakob Macke

Jahrgang 1982
Mitglied seit 2013
Fach: Neurowissenschaften/ Maschinelles Lernen

Kontakt
Technische Universität Darmstadt, Centre for Cognitive Science
Institut für Psychologie
Alexanderstraße 10
64283 Darmstadt

Tel.: +49/6151/1623961
jakob.macke@psychologie.tu-darmstadt.de

zur persönlichen Website

Forschungsgebiete

  • Theoretische Neurowissenschaften

  • Statistische Modellierung

  • Neuronale Informationsverarbeitung

  • Visuelles System

  • Motorisches System

  • Entscheidungsprozesse

 

Vita

  • Seit 2017

    Professur "Perception" am Centre for Cognitive Science der TU Darmstadt

  • seit 2015

    Max Planck Research Group Leader am research center caesar, an associate of the Max Planck Society, Bonn

  • 2015-2017

    Bernstein Fellow am Bernstein Center for Computational Neuroscience, Tübingen

  • 2012-2015

    Gruppenleiter „Neural Computation and Behaviour“ am Max-Planck-Institut für biologische Kybernetik und am Bernstein Center Tübingen

  • 2012

    Otto-Hahn-Medaille der Max-Planck-Gesellschaft für außerordentliche wissenschaftliche Leistungen

  • 2010-2012

    Postdoc (Marie Curie Fellow) in der Gatsby Computational Neuroscience Unit, University College London, UK

  • 2005-2010

    Doktorand am Max-Planck-Institut für biologische Kybernetik in Tübingen in der Abteilung „Empirische Inferenz“ und in der Nachwuchsgruppe „Computational Vision and Neuroscience“, Gastaufenthalt am Department for Molecular Biology, Princeton University

  • 2001-2005

    Studium der Mathematik, Universität Oxford

Publikation im Fokus

Common input explains higher-order correlations and entropy in a simple model of neural population activity

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.

Publikationen

  • 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.

  • Publikationsverzeichnis

Seite empfehlen