基于电导的神经网络中尖峰脉冲序列的统计：严格的结果
Statistics of spike trains in conductance-based neural networks: Rigorous results
摘要：
我们考虑一个基于电导的神经网络的启发，由鲁道夫和Destexhe介绍的广义积分和消防模型。我们证明了一个独特的吉布斯分布特征穗训练统计的存在性和唯一性。相应的吉布斯势显式计算。这些结果保持在一个依赖于时间的刺激的存在下，因此适用于非平稳动力学。
英文摘要：
We consider a conductance based neural network inspired by the generalized Integrate and Fire model introduced by Rudolph and Destexhe. We show the existence and uniqueness of a unique Gibbs distribution characterizing spike train statistics. The corresponding Gibbs potential is explicitly computed. These results hold in presence of a time-dependent stimulus and apply therefore to non-stationary dynamics.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
