Analysis of neuronal sequences using pairwise biases
神经元激活的序列长期以来一直与各种脑功能有关。特别是,这些序列与哺乳动物大脑的海马体中的记忆形成和空间导航有关。传统上,神经元序列被解释为神经元模板的噪声表现(即,排序),忽略序列中包含的更丰富的结构。本文介绍了一种新的工具来理解神经元序列:偏置矩阵。偏置矩阵捕获每个神经元在每个其他神经元之前或之后激发的概率趋势。尽管只考虑了神经元对,偏置矩阵还是捕捉到了序列中神经元的最佳总排序(命题3.3),从而推广了神经元模板的概念。我们建立了偏置矩阵的基本数学性质,特别是描述了所有偏置所处的基本多面体(定理3.25)。我们展示了如何基本的简单的有向图的偏置矩阵,我们称之为偏置网络,作为一个组合概括的神经元模板。令人惊讶的是,每个简单的有向图都可以实现为某个序列的偏置网络(定理3.34)。偏置矩阵表示法使我们得到了序列相关性的自然方法,然后又得到了确定一组序列与另一组序列相似性的概率框架。使用大鼠海马的数据,我们描述感兴趣的事件和序列检测技术。最后,使用我们开发的代码将偏差矩阵和相似性度量应用于真实世界的数据。
2016-03-09 q-bio.NC
Coherent noise enables probabilistic sequence replay in spiking neuronal networks
本研究扩展脉冲神经元网络模型,通过引入相关噪声实现概率性序列重放,支持多种决策策略,并揭示学习序列统计特性对决策的影响及调整机制。
2023-05-09 q-bio.NC
A Theory of Consciousness Founded on Neurons That Behave Like Qubits
本文提出了一个假设,即意识是神经元递归连接的自然结果,并在短期和长期记忆之间同步工作。这样的神经元表现出类似量子比特的特性,每个神经元在给定的相位上支持真和假的概率组合。量子比特的优点包括对长期记忆中搜索关联的线索进行概率修改,以及对并行可逆计算进行受控切换,以优先考虑多次回忆并促进数学能力。
2016-08-24 cs.ET q-bio.NC
Deterministic networks for probabilistic computing
高级大脑功能的神经网络模型,如记忆回忆和推理,通常依赖于随机性的存在。这些模型中的大多数都假设功能网络中的每个神经元都有自己的随机性来源,通常以不相关的外部噪声的形式存在。然而,无论是在体内还是在计算机上,由于空间和带宽的限制,噪声源的数量是有限的。因此,大型网络中的神经元通常需要共享噪声源。在这里,我们表明,由此产生的共享噪声相关性可以显着损害随机网络模型的性能。我们证明,这个问题可以通过使用确定性的递归神经网络作为不相关的噪声源,利用抑制反馈的去相关效应来克服。因此,即使是一个由几百个神经元组成的递归网络,也可以作为一个自然的噪声源,用于大规模的功能网络集合,每个功能网络包含数千个单元。我们成功地将所提出的框架应用于具有不同维度和熵的二进制单元网络的不同集合,以及具有不同预定义频率的再现手写数字的网络。最后,我们表明,相同的设计转移到功能网络的尖峰神经元。
2017-11-07 q-bio.NC
Brain Neurological Constructs: The Neuronal Computational Schemes for Resolution of Life's Complexities
对于复杂生命的进化来说,一个复杂的神经系统来处理它的复杂性是最基本的。这种需求导致了大脑的计算设施--神经元网络的出现。大脑的这一面被其启发性的科学计算神经网络所证实,这些神经网络(数学上)解决了许多复杂的问题。这两个系统之间的计算操作的假定一般语义允许推断大脑神经域中的过程也呈现复杂性,作为参数方程组,就像科学神经网络操作的基本隐式算法形式主义。这种平行是基于这样的事实,即这种设备解决复杂的问题,没有声明性的逻辑公式部署。数学上解决的神经网络问题的形式主义也类似于任何理论上已知的和公式化的复杂性,这些复杂性在其离散解域中被算法化,在计算机直接或迭代求解的初值和边值问题的背景下。复杂性的脑神经元网络算法化描绘了生命和生活的控制方程,其解决方案是通过试错学习实现的,部署了生物的其余神经系统和其他能力。大脑的计算操作描绘了两种精神状态:意识和无意识;意识和无意识状态描述了参与绘制生命路径的交互式生活过程。
2019-09-10 q-bio.NC
Auto and crosscorrelograms for the spike response of LIF neurons with slow synapses
在噪声存在下,简单但现实的神经元模型的响应特性的分析描述仍然缺乏。我们完全确定了一个单一的和一对泄漏的积分和消防神经元(LIF)接收一些常见的缓慢过滤的白噪声的发射统计的二阶。特别是,自相关和互相关函数的输出脉冲序列的细胞对的绝热近似\cite{Mor+04}中引入的改进。这两个函数定义了神经元之间的放电变异性和放电同步性,对于理解神经元之间的通信具有重要意义。
2007-10-11 physics.bio-ph q-bio.NC
Effects of random inputs and short-term synaptic plasticity in a LIF conductance model for working memory applications
工作记忆(Working Memory,WM)是一种用于暂时存储信息的加工记忆,在各种认知任务的执行中发挥着重要作用。最近的研究表明,WM中的信息不仅通过持续的重复活动来维持,而且可以在活动沉默状态下储存,例如在短期突触可塑性(STSP)中。受STSP机制在WM中的重要应用的启发,本工作的主要重点是分析随机输入对STSP下的泄漏整合和激发(LIF)突触电导神经元的影响。此外,脉冲序列的不规则性可以携带关于神经元中的先前刺激的信息。具有多个输入和峰间间期(ISI)的变异系数(CV)的LIF电导神经元可以产生输出解码神经元。我们的数值结果表明,在随机输入电流和随机不应期的标准偏差的增加,可以导致增加的不规则性的脉冲序列的输出神经元。
2022-05-10 q-bio.NC
Mean Time-to-Fire for the Noisy LIF Neuron - A Detailed Derivation of the Siegert Formula
当受到大量类泊松突触前电流输入尖峰的刺激时,泄漏的整合和激发(LIF)神经元的胞体膜电位$V(t)$的时间动力学通常在扩散极限下建模,并被视为Ornstein-Uhlenbeck过程(OUP)。当电位达到阈值$θ$、$V(t) = θ$时,LIF神经元激发,并且膜电位被重置为静息值$V_0 < θ$,并且在指定的(非随机的)绝对不应期$T_r \ge 0$内钳位到该值,之后重复该循环。触发之间的时间由随机变量$T_f = T_r+ T$给出,其中$T$是在膜电位钳的“松开”和神经元的下一个后续触发之间经过的随机时间。平均放电时间$\widehat{T}_f = \text{E}(T_f) = T_r + \text{E}(T) = T_r + \widehat{T}$提供了神经元平均放电率\[ ρ= \widehat{T}_f^{-1} = \frac{1}{T_r + \widehat{T}} . \]的测量值$ρ$。本文简要讨论了OUP模型的某些方面,并推导出Siegert公式,该公式给出了放电率$ρ= ρ(I_0)$作为注入电流$I_0$的函数。这是一个著名的经典结果,并没有要求独创性。在本报告中给出的射击率的推导,密切遵循加德纳在教科书中概述的推导,最大限度地减少了所需的数学背景,并在一些教学细节中完成,以方便研究生和其他新的学科学习。加德纳的前五章中所介绍的材料的知识应该…
2015-01-16 q-bio.NC
Effects of noise on leaky integrate-and-fire neuron models for neuromorphic computing applications
人工神经网络(ANN)已被广泛用于描述生物系统中出现的问题,并用于构建神经形态计算模型。第三代人工神经网络,即尖峰神经网络(SNN),受生物神经元的启发,能够更逼真地模拟人脑。这些领域的一大类问题的特征在于需要通过集成和激发神经元模型来处理神经元、尖峰和突触的组合。受神经元的积分和点火在生物医学研究中的神经形态计算中的重要应用的启发,目前工作的主要重点是分析加性和乘性类型的随机输入电流以及随机不应期对泄漏积分和点火(LIF)突触神经元电导模型的影响。我们的分析是通过朗之万随机动力学在一个数值设置描述细胞膜电位。我们提供的模型的细节,以及有代表性的数值例子,并讨论了噪声的影响的膜电位的时间演化以及在LIF突触电导模型仔细检查神经元的尖峰活动。此外,我们的数值结果表明,在LIF突触传导系统中的随机不应期的存在下,可能会大大影响输出神经元的脉冲序列的不规则性增加。
2022-05-18 q-bio.NC
Neuronal noise as a physical resource for human cognition
一类新的高能效数字微处理器正在开发中,它对热噪声敏感,因此工作在概率模式而不是传统的确定性模式。混合计算系统将概率处理器和确定性处理器结合起来,可以为传统确定性算法难以解决的计算问题提供强大而有效的工具。这些发展表明,细长轴突中离子通道噪声的后果,通常被视为神经元计算的障碍,一个修订的观点。有人提出,人脑是这样一个节能的混合计算系统,其显着的特点出现从概率和确定性的操作模式之间的建设性协同作用。特别是,直觉和创造性解决问题的能力似乎自然产生于这样一个混合系统。考虑到物理热噪声是纯粹的,并且是免费的,我们的建议对在传统的能量密集型确定性超级计算机上模拟节能人脑的尝试具有影响。
2014-12-16 cs.OH q-bio.NC
Firing rate of the leaky integrate-and-fire neuron with stochastic conductance-based synaptic inputs with short decay times
我们计算了一个泄漏的集成和消防(LIF)神经元与随机电导为基础的输入在极限时,突触衰减时间远短于膜的时间常数的发射率。我们的分析结果的数值模拟的比较,提出了一系列的生物医学现实的参数。
2020-02-25 q-bio.NC
An Accelerated LIF Neuronal Network Array for a Large Scale Mixed-Signal Neuromorphic Architecture
我们提出了一个阵列的泄漏积分和消防(LIF)神经元电路设计的第二代BrainScaleS混合信号65纳米CMOS神经形态硬件。神经元阵列嵌入在按比例缩小的原型CANANN-DLS芯片的模拟网络核心中。作为连续时间电路设计,神经元是具有加速动态特性的高度可调和可重构元件。每个神经元整合来自大量传入突触的输入电流,并唤起数字尖峰事件输出。该电路为突触和膜时间常数以及不应期提供了广泛的调谐范围,以覆盖许多计算模型。我们阐明我们的设计方法,底层电路设计,校准和测量结果,从各个子电路跨多个模具。电路动态与LIF数学模型的行为相匹配。我们进一步展示了一个赢家通吃网络的原型芯片作为一个典型的元素皮层处理。
2018-05-23 cs.ET physics.bio-ph physics.comp-ph
Probabilistic models, compressible interactions, and neural coding
本文提出当系统两半的互信息次广延且可压缩时可用简单概率模型描述多神经元联合活动,并结合信息瓶颈与重整化群式迭代实现压缩,揭示视网膜神经编码的参数缩放规律。
2024-12-04 cond-mat.stat-mech q-bio.NC
The Morris-Lecar neuron model embeds a leaky integrate-and-fire model
我们证明了随机Morris-Lecar神经元在其稳定点附近可以近似为二维Ornstein-Uhlenbeck(Ornstein-Uhlenbeck)调制的恒定圆周运动。相关的径向反射过程是发射前的泄漏积分和发射(LIF)模型的一个例子。一个新的模型构造从一个径向的放电过程,以及一个简单的发射机制的基础上详细的莫里斯-Lecar发射统计再现的莫里斯-Lecar峰间间期(ISI)分布,并具有计算优势的LIF。结果证明了大量的关注LIF模型。
2011-07-30 math.PR q-bio.NC
Efficient Probabilistic Inference in Generic Neural Networks Trained with Non-Probabilistic Feedback
动物在广泛的心理物理任务中执行接近最佳的概率推理。概率推理需要对与任务变量相关的不确定性进行逐个试验的表示,并随后使用这种表示。以前的工作已经实现了这样的计算使用神经网络与手工制作和任务相关的操作。我们表明,一般的神经网络训练一个简单的基于错误的学习规则执行接近最佳的概率推理在9个常见的心理物理任务。在概率分类任务中,基于错误的学习在一个通用的网络同时解释了猴子的学习曲线和其选择行为的定性方面的演变。在所有任务中,给定性能水平所需的神经元数量随着输入种群大小呈次线性增长,这是对以前概率推理实现的重大改进。经过训练的网络开发了一种新的基于稀疏性的概率种群代码。我们的研究结果表明,概率推理自然出现在通用神经网络训练与基于错误的学习规则。
2017-04-21 q-bio.NC
Quantized Context Based LIF Neurons for Recurrent Spiking Neural Networks in 45nm
University of California, Santa Barbara(加州大学圣巴巴拉分校)
本研究首次在45nm硬件上实现了基于上下文的循环脉冲神经网络,提出量化版CLIF神经元(qCLIF),通过软硬件协同设计在保持90%准确率的同时实现了高扩展性和面积效率。
2024-04-28 cs.AI cs.AR cs.CV
External Electromagnetic Wave Excitation of a PreSynaptic Neuron Based on LIF model
电磁波与人体组织的相互作用一直是电气和生物医学工程师的长期研究课题。然而,很少有出版物讨论外部电磁波对神经刺激和通过神经系统的通信的影响。事实上,复杂的生物神经通道是该领域完整和全面分析的主要障碍。神经通信反应中的一个永恒的挑战是囊泡释放概率对输入尖峰模式的依赖性。在这方面,本研究揭示了改变外部电磁波激发频率对突触后神经元尖峰发放率的影响。假设波在脑中的穿透深度不覆盖突触后神经元。因此,我们建立了一个二分化学突触的神经传递模型。此外,外部刺激影响神经传递的方式进行了检查。与多频率分量电磁波不同,单色入射波在色散介质中不面临频移和畸变。以这种方式,一个单一的频率信号被添加作为外部电流的修改后的泄漏集成andfire(LIF)模型。结果表明,LIF模型的一阶动力系统存在一个节点平衡点。当外部激励频率接近200 Hz时,发生折叠分叉(对于预设的LIF模型值)。本文提供的结果使我们能够选择合适的频率激励神经信号。相应地,发现了LIF电路的截止频率对元件值的依赖关系。
2020-11-25 cs.SY eess.SY q-bio.NC
Recurrence Resonance -- Noise-Enhanced Dynamics in Recurrent Neural Networks
本文利用不同规模和权重矩阵的玻尔兹曼机,揭示了递归共振现象的发生条件与机制,并证明短噪声脉冲可在递归神经网络的动力学吸引子之间实现转移,为储备池计算和神经科学中的受控噪声应用提供依据。
2024-08-10 q-bio.NC
Integration of Leaky-Integrate-and-Fire-Neurons in Deep Learning Architectures
Friedrich Alexander University Erlangen-Nürnberg (FAU)(埃尔朗根-纽伦堡弗里德里希-亚历山大大学(FAU));University Hospital Erlangen(埃尔朗根大学医院);Friedrich-Alexander University Erlangen-Nürnberg (FAU)(埃尔朗根-纽伦堡弗里德里希-亚历山大大学(FAU))
到目前为止,现代机器学习主要是基于对大量数据集的高维函数拟合,利用巨大的硬件资源。我们表明,生物启发的神经元模型,如泄漏集成和火灾(LIF)神经元提供了新的和有效的信息编码方式。它们可以集成到机器学习模型中,并且是提高机器学习性能的潜在目标。因此,我们推导出简单的更新规则的LIF单位的微分方程,这是很容易的数值积分。我们应用一种新的方法来训练LIF单位监督通过反向传播,通过分配一个常数值的衍生物的神经元激活函数专门用于反向传播步骤。这个简单的数学技巧有助于在预连接层的神经元之间分配误差。我们将我们的方法应用于IRIS开花图像数据集,并表明训练技术可用于训练LIF神经元的图像分类任务。此外,我们展示了如何将我们的方法集成到KERAS(tensorflow)框架中,并在GPU上有效地运行它。为了在培训过程中更深入地了解这些机制,我们开发了交互式插图,并在线提供。通过这项研究,我们希望通过整合生物学原理,为当前增强机器智能的努力做出贡献。
2020-09-11 cs.LG cs.NE q-bio.NC
A probabilistic latent variable model for detecting structure in binary data
University of California Berkeley(加州大学伯克利分校);Duke University School of Medicine(杜克大学医学院);Beth Israel Deaconess Medical Center(贝斯以色列女执事医疗中心);Harvard Medical School(哈佛医学院);Intel Labs(英特尔实验室)
我们引入了一种新的概率二进制潜变量模型来检测稀疏二进制数据中的模式的噪声或近似重复。该模型是基于“噪音或模型”(Heckerman,1990年),以前用于疾病和主题建模。该模型的能力是通过从视网膜神经元记录中提取结构来证明的,但它可以广泛应用于发现和建模噪声二进制数据中的潜在结构。在尖峰神经数据的上下文中,任务是根据神经元组(“细胞集合体”(CA))“解释”单个神经元的尖峰,由于相互作用或其他原因,这些神经元组经常一起激发。该模型在一组二进制潜在变量中推断稀疏活动,每个潜在变量描述细胞组装的活动。当细胞集合的潜变量是活跃的时,它降低了属于该集合的神经元不活跃的概率。潜在成分的条件概率核是从期望最大化方案中的数据中学习的,涉及对潜在状态的推断和对模型的参数调整。我们彻底验证了模型的合成尖峰列车构建统计学上类似记录的视网膜反应的白噪声刺激和自然电影刺激的数据。我们还将我们的模型应用于视网膜神经节细胞(RGC)在电影刺激过程中记录的尖峰响应,并讨论了发现的结构。
2022-01-26 cs.LG q-bio.NC stat.ML
Leader neurons in leaky integrate and fire neural network simulations
一些实验研究表明,领导神经元的存在,在人口爆发的2D生活神经网络。一个领导神经元基本上是一个神经元,它在一个突发(分别是网络尖峰)的开始时放电的频率比我们通过观察它的整个平均神经活动所预期的要高。这意味着领导神经元具有超出简单统计效应的爆发触发能力。在这项研究中,我们描述了这些领导神经元的特性。这自然会导致我们模拟神经2D网络。为了构建我们的模拟,我们选择了漏积分和激发(lIF)神经元模型。我们的lIF模型在我们模拟的突发群体中有稳定的领导神经元。这些前导神经元是兴奋性神经元,并且具有低的膜电位放电阈值。除了前两个属性,神经元成为领导神经元所需的条件很难确定,似乎取决于模拟本身所涉及的几个参数。然而,详细的线性分析显示了神经元成为领导神经元所需的属性的趋势。我们的主要发现是:领导神经元向许多兴奋性神经元以及少数抑制性神经元发送信号,并且领导神经元仅从其他兴奋性神经元接收少数信号。我们的线性分析表现出五个基本属性的领导者神经元的相对重要性。这意味着考虑一个给定的神经网络,每个神经元的平均连接数是固定的,我们的分析为我们提供了一种预测哪个神经元可以成为一个好的领导神经元,哪个不能的方法。我们的预测公式给了我们一个很好的统计预测,即使考虑到单个给定的神经元,成功率没有达到百分之百。
2010-04-16 physics.bio-ph q-bio.NC
On a framework of data assimilation for neuronal networks
在处理由复杂网络动力系统建模的真实世界数据时,参数的数量总是远远大于数据的大小。因此,在许多情况下,估计这些参数是不可能的,然而,每个参数的确切值通常不如参数的分布可能包含理解系统和数据的重要信息那么有趣。在本文中,我们提出了这个问题所产生的采用数据同化的方法来估计的泄漏集成火(LIF)神经网络模型的参数分布的实验数据,例如,血氧水平依赖(BOLD)信号。在这里,我们假设神经元和突触的参数是不均匀的,但独立相同的分布遵循一定的分布,未知的超参数。因此,我们估计参数分布的这些超参数,而不是估计参数本身。在数据同化和分层贝叶斯方法的框架下,提出了一种基于神经元网络模型的分层数据同化(HDA)方法,对血液动力学模型模拟的BOLD信号数据进行统计推断。我们考虑了具有四个突触的LIF神经元网络,并证明了该算法可以很好地估计BOLD信号和超参数。此外,我们讨论了算法配置和LIF网络模型设置对性能的影响。
2022-06-07 math.DS q-bio.NC
Modeling of Self-sustained Neuron Population without External Stimulus
Middle East Technical University(中东理工大学);Başkent University(巴肯特大学)
研究发现,具有突触可塑性和内在随机性的Hodgkin-Huxley神经元网络可在短暂刺激后维持自主活动,其特征为稀疏、不规则的放电模式。
2026-04-15 cs.NE q-bio.NC
Order symmetry breaking and broad distribution of events in spiking neural networks with continuous membrane potential
我们介绍了一个完全可积的版本,著名的泄漏积分和消防(LIF)模型,连续膜电位在尖峰事件,c-LIF。我们研究了在短期突触可塑性存在下,兴奋性c-LIF神经元的完全连接网络的动力学机制。通过改变神经元之间的耦合强度,我们表明,一个复杂的混沌动力学出现,其特征在于无尺度雪崩。在c-LIF中这种现象的起源可以与神经元尖峰时间中的顺序对称性破坏有关,这对应于宽活动分布的开始。我们的分析揭示了一个一般的机制,通过该机制,简单的神经元网络可以被吸引到相空间中的复杂盆地。
2021-04-07 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
STDP allows close-to-optimal spatiotemporal spike pattern detection by single coincidence detector neurons
通过同时记录多个细胞,电生理学家已经找到了重复时空尖峰模式的证据,这种模式可以携带信息。下游神经元如何提取这些信息尚不清楚。在这篇理论论文中,我们研究在何种程度上一个单一的细胞可以检测到一个给定的尖峰模式,这样做的最佳参数是什么,特别是膜时间常数$τ$。使用具有瞬时突触和均匀泊松输入的泄漏积分和激发(LIF)神经元,我们能够解析地计算此最佳值。我们的研究结果表明,一个相对较小的$τ$(最多几十毫秒)通常是最佳的,即使当模式更长。这有点违反直觉,因为由于其快速的内存衰减,所得到的检测器忽略了大部分模式。接下来,我们想知道是否尖峰时间依赖可塑性(STDP)可以使神经元达到理论上的最佳状态。我们模拟了一个LIF神经元配备了添加剂尖峰时间依赖性增强和稳态率为基础的抑郁症,并反复暴露于一个给定的输入尖峰模式。在以前的研究中,LIF逐渐成为选择性的重复模式,没有监督,即使模式嵌入泊松活动。在这里,我们表明,使用某些STDP参数,所得到的模式检测器可以是最佳的。总的来说,这些结果可以解释人类如何学习重复的视觉或听觉序列。由于符合探测器在更短的时间尺度上工作,长序列可以被识别。这与以下事实一致:如果声音序列被压缩、向后播放或使用10ms的仓进行加扰,则识别仍然是可能的。巧合检测是一种简单而强大的机制,可能是大脑神经元的主要功能。
2017-01-09 cs.NE q-bio.NC
Compressive neural representation of sparse, high-dimensional probabilities
本文展示了如何稀疏,高维概率分布可以表示的神经元与指数压缩。该表示是一种新的应用压缩感知稀疏概率分布,而不是通常的稀疏信号。压缩测量对应于概率分布变量的非线性函数的期望值。当通过采样来估计这些期望值时,压缩表示的质量仅受采样质量的限制。由于压缩保留了稀疏概率分布空间的几何结构,因此可以在压缩域中执行概率计算。有趣的是,满足压缩感知要求的功能可以实现为简单的感知器。如果我们使用感知器作为神经元前馈计算的简单模型,这些结果表明,相对较少数量的神经元的平均活动可以准确地隐式表示高维联合分布,即使不考虑任何噪声相关性。这构成了一个关于神经元如何在大脑中编码概率的新假设。
2012-06-08 cs.IT math.IT q-bio.NC
Probabilistic Inference of Binary Markov Random Fields in Spiking Neural Networks through Mean-field Approximation
Peking University(北京大学);Peng Cheng Laboratory(鹏城实验室);University of Leicester(莱斯特大学)
最近的研究表明,人类大脑的认知过程被实现为概率推理,并且可以进一步通过概率图形模型(如马尔可夫随机场)进行建模。然而,目前还不清楚概率推理如何通过大脑中的尖峰神经元网络来实现。以往的研究试图通过置信传播算法和重新参数化将二进制马尔可夫随机场的推理方程与脉冲神经网络的动力学方程联系起来,但它们只适用于有限网络结构的马尔可夫随机场。本文提出了一种脉冲神经网络模型,可以实现任意二进制马尔可夫随机场的推理。具体地说,我们设计了一个尖峰循环神经网络,并证明了其神经元动力学在数学上等价于马尔可夫随机场的推理过程,采用平均场理论。此外,我们的平均场方法统一了以前的工作。理论分析和实验结果以及图像去噪的应用表明,我们提出的尖峰神经网络可以得到与平均场推理相当的结果。
2020-03-12 cs.LG q-bio.NC stat.ML
Dynamics and computation in mixed networks containing neurons that accelerate towards spiking
大脑中的网络由不同类型的神经元组成。在这里,我们研究神经元多样性的动力学,相空间结构和计算能力的尖峰神经网络的影响。我们发现,不同类型的单个神经元已经可以定性地改变网络动态,并且混合网络可以将具有单个神经元类型的计算能力结合起来。我们研究了凹漏(LIF)和凸“反漏”(XIF)集成和消防神经元,推广不规则尖峰非混沌LIF神经元网络的抑制网络。由于XIF神经元具有简单的基于电导的突触,我们的网络也可以生成不规则异步尖峰的平衡状态。我们确定的电压概率分布和自洽的发射率假设泊松输入有限大小的尖峰的影响。此外,我们计算全谱的李雅普诺夫指数(LE)和协变李雅普诺夫向量(CLV)指定相应的扰动方向。我们发现,每个XIF神经元大约有一个阳性LE。这特别表明,单个XIF神经元使网络动力学变得混乱。一个简单的平均场的方法,这可以证明的CLV的属性,解释了这一发现。作为一个应用程序,我们提出了一个基于尖峰的计算方案,我们的网络作为计算水库和他们不同的稳定性产生不同的计算能力。
2019-08-15 cond-mat.dis-nn nlin.CD q-bio.NC
Synchronous Propagation of Periodic Signals in Feedforward Networks of Standard Model Neurons
本研究基于前期构建的中枢模式发生器前馈提升网络及周期轨道稳定性理论,结合多种标准神经元模型验证了前馈链中传播的周期信号具备横向Floquet稳定性,为相关生物机制研究与连续体机器人应用提供理论参考。
2025-06-13 math.DS nlin.CD q-bio.NC
On the Dynamical Complexity of Small-World Networks of Spiking Neurons
描述了一种计算机模型,用于评估一类具有小世界特性的尖峰神经元网络的动态复杂性。网络的构建是通过形成一个最初隔离的一组高度内部连接的集群,然后应用概率重新布线的方法,让人联想到瓦特-斯特罗加茨程序,使集群间的连接。因果密度,它计算系统的组件之间的独立的显着的相互作用的数量,用于评估动态复杂性。之所以选择这种方法,是因为它采用了滞后观测,因此对隔离和融合的时间模糊证据比其他方法更敏感。结果广泛支持的假设,小世界拓扑结构促进动力学的复杂性,但揭示了一个狭窄的参数范围内,这发生在调查中的网络拓扑结构,并建议在此范围内的相位同步的负相关。
2008-10-08 physics.bio-ph q-bio.NC
Firing rate distributions in plastic networks of spiking neurons
该研究扩展平均场理论,可同时处理突触权重异质性与连接数异质性的脉冲神经元网络,引入脉冲迹介导的可塑性机制,通过模拟验证了方程准确性,为理解可塑性对神经网络活动与结构的塑造提供了方法。
2023-11-09 math.DS q-bio.NC
Statistical mechanics for networks of real neurons
本文综述了用最大熵方法和唯象重整化群对真实神经元网络进行统计力学描述的研究进展,展示了这些方法如何揭示可定量重复的集体行为并实现与实验细节一致的无参数预测。
2024-08-31 cond-mat.dis-nn q-bio.NC
The high-conductance state enables neural sampling in networks of LIF neurons
体内神经回路的明显随机性长期以来一直被假设为代表大脑中正在进行的随机推理的签名。最近,已经提出了一个神经采样的理论框架,它解释了如何通过尖峰神经元网络执行基于样本的推理。这种方法的一个特殊要求是神经响应函数紧密遵循逻辑曲线。计算神经反应函数的分析方法一直是许多理论研究的主题。为了使问题易于处理,通常对神经或突触参数进行特定的假设。然而,存在生物学上重要的活动机制,这些方法没有涵盖:在强烈的突触轰击下,如在皮层中经常发生的情况,神经元被转移到高电导状态(HCS),其特征在于小的膜时间常数。在这种情况下,突触时间常数和不应期主导膜动力学。我们的方法的核心思想是分别考虑两种不同的“模式”的尖峰动态:突发尖峰和短暂的静止,其中神经元不长时间尖峰。我们对待前者传播的有效膜电位的PDF从尖峰到尖峰在一个突发,而后者使用扩散近似。我们发现,我们的神经响应函数的预测密切匹配的模拟数据。此外,在HCS的情况下,我们表明,神经响应函数变得对称,可以很好地近似逻辑函数,从而提供正确的动态,以便执行神经采样。因此,我们不仅提供了一个规范的框架,贝叶斯推断在皮层,但也强大的应用程序的低功耗,加速神经形态系统相关的机器学习任务。
2016-01-05 cond-mat.dis-nn cs.NE physics.bio-ph
Learning Internal Biological Neuron Parameters and Complexity-Based Encoding for Improved Spiking Neural Networks Performance
本研究提出了一种基于生物神经元参数和复杂度的SNN学习方法,通过优化内在动态提升分类准确率和效率。
2026-03-02 cs.AI cs.NE q-bio.NC
Inferring network structure and local dynamics from neuronal patterns with quenched disorder
本文提出并验证了一种逆过程,旨在从活体脑活动的全局信号中恢复先验未知的功能和结构信息。为此,我们考虑一个泄漏整合和消防(LIF)模型与短期可塑性神经元,通过有向网络耦合。神经元被分配一个特定的电流值,该电流值在样本中是异质的,并设置神经元工作的放电机制。该方法的目的是恢复传入网络度的分布,以及分配的电流的分布,从全球现场测量。所提出的反问题的方法实现了还原论的异质平均场近似。这相当于将神经元组织在不同的类别中,这取决于它们的关联程度和电流。当再次测试合成数据时,该方法返回所寻求的分布的准确估计,同时设法再现和内插几乎精确的所提供的全局场的时间序列。最后,我们还应用所提出的技术,以纵向宽场荧光显微镜数据的皮质功能组清醒的Thy 1-GCaMP 6 f小鼠。在初级运动皮质中诱导小鼠光血栓性中风,并及时监测其恢复。适应电流异质性的全对全LIF模型可以充分解释记录的激活模式。特别是检测到神经元兴奋性的分布改变,与中风后半影区的过度兴奋现象相一致。
2019-10-13 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
Searching for collective behavior in a network of real neurons
最大熵模型是结构化程度最低的概率分布,它精确地再现了在交互网络中测量的一组选定的统计数据。在这里,我们使用这一原则来构建概率模型,描述相关的尖峰活动的人口多达120个神经元的蝾螈视网膜,因为它响应自然电影。在小到10个神经元的群体中,尖峰之间的相互作用不再被视为独立系统中的小扰动;对于40个或更多的神经元,成对的相互作用需要由控制群体中同步分布的全局相互作用来补充。在这里,我们表明,这样的“K-成对”模型-以前使用的成对伊辛模型的系统扩展-提供了一个很好的数据。我们通过以下方式探索神经词汇的性质:1)估计其熵,这限制了群体表示视觉信息的能力; 2)将活动模式分类为一小组亚稳态集体模式; 3)显示神经码字集合是非常不均匀的; 4)证明单个神经元的状态是高度可预测的,允许纠错的能力。
2013-06-13 cond-mat.stat-mech physics.bio-ph q-bio.NC
Fast simulations of highly-connected spiking cortical models using GPUs
在过去的十年里,人们对开发用于模拟大规模尖峰神经元网络的并行硬件系统的兴趣越来越大。与其他高度并行系统相比,GPU加速解决方案具有成本相对较低和通用性强的优势,这也要归功于使用CUDA-C/C++编程语言的可能性。NeuronGPU是一个GPU库,用于大规模模拟尖峰神经网络模型,使用C++和CUDA-C++编程语言编写,基于一种新颖的尖峰传递算法。该库包括简单的LIF(leaky-integrate-and-fire)神经元模型以及几个具有基于电流或电导的突触的多突触AdEx(adaptive-exponential-integrate-and-fire)神经元模型、用户可定义的模型和不同的设备。AdEx模型的动力学微分方程的数值解是通过一个并行实现,写在CUDA-C++,五阶龙格-库塔法与自适应步长控制。在这项工作中,我们评估了这个库的性能上的模拟皮质微电路模型,基于LIF神经元和电流为基础的突触,并在一个平衡的网络的兴奋性和抑制性神经元,使用AdEx神经元和电导为基础的突触。在这些模型上,我们将证明所提出的库在每秒生物活性的模拟时间方面达到了最先进的性能。特别是,使用单个NVIDIA GeForce RTX 2080 Ti GPU板,可以以非常接近实时的速度模拟包括约77,000个神经元和$3 \cdot 10^8$连接的全尺寸皮层微电路模型,而1,000,000个AdEx神经…
2020-11-09 cs.DC cs.NE q-bio.NC
Collective irregular dynamics in balanced networks of leaky integrate-and-fire neurons
我们广泛探索网络的弱不平衡,泄漏集成和消防(LIF)神经元不同的耦合强度,连接,并通过不同程度的耐火性,以及在尖峰传输的延迟。我们发现,神经网络不仅表现出微观(单神经元)的随机演化,但也集体不规则动力学(CID)。我们的分析是基于一个合适的序参量的计算,通常用于表征同步现象和详细的缩放分析(即不同的网络大小的模拟)。因此,我们可以得出结论,CID是一个真正的热力学阶段,本质上不同于标准的异步制度。
2018-08-09 cond-mat.dis-nn nlin.AO nlin.CD
Single-Neuron Criticality Optimizes Analog Dendritic Computation
神经元被认为是易兴奋脑组织的组成部分。然而,在单个神经元水平上,神经元膜、树突和轴突投射也可以被认为是扩展的活性介质。活跃的树突状小枝使树突棘波的传播,其计算功能,尽管有几个建议,仍然是一个悬而未决的问题。在这里,我们提出了一个具体的功能,在大型树突状树的活动通道。通过使用概率元胞自动机的方法,我们模拟的输入-输出响应的大型活跃的树突状乔木进行复杂的时空输入,并表现出非定型的树突棘波。我们发现,如果树突棘具有非确定性的持续时间,树突状乔木可以经历一个连续的相变从静止到活跃状态,从而表现出自发和自我维持的本地化活动的实验所建议的。类似的临界脑假说,其中指出,神经网络的自组织附近的相变,以利用特定的属性的临界状态,在这里,我们提出,神经元与大树突乔木优化其能力,以区分传入的刺激在临界状态。我们建议,“在相变的边缘计算”是更兼容的观点,树突状乔木执行模拟,而不是数字树突状计算。
2013-11-23 cond-mat.stat-mech nlin.AO physics.bio-ph