The impact of short term synaptic depression and stochastic vesicle dynamics on neural variability
神经变异性在神经编码和神经网络动力学中起着核心作用。突触传递的不可靠性是神经变异性的一个主要来源：突触神经递质囊泡响应于突触前棘波而概率性地释放，并且随机地及时恢复。这个过程的随机动力学与突触前尖峰到达时间的可变性相互作用，以形成突触后反应的可变性。我们使用连续时间马尔可夫链的方法来分析一个模型的短期突触抑郁症的随机囊泡动力学加上三个不同的模型的突触前尖峰：一个模型中，突触前尖峰的时间被建模为泊松过程，一个尖峰发生更经常比泊松过程和一个尖峰发生更不规则。我们使用这种分析来研究如何在突触前脉冲序列的变异性是由短期突触抑制和随机囊泡动力学来确定突触后反应的突触前脉冲序列的变异性。我们发现，定期突触前尖峰增加囊泡释放的平均速率，在一个时间窗口内释放的囊泡的数量是更小的时间窗口比较大的时间窗口的变量，和快速突触前尖峰引起泊松样的变化的突触后反应，即使当突触前尖峰时间是高度非泊松。我们的研究结果补充和扩展了以前报道的理论结果，并为记录数据中观察到的一些趋势提供了可能的解释。
2012-10-25 q-bio.NC
Multi-contact synapses for stable networks: a spike-timing dependent model of dendritic spine plasticity and turnover
成年人新皮层中的兴奋性突触连接由多个突触接触组成，几乎只在树突棘上形成。树突棘形状和体积的变化，突触强度的相关性，可以在体内跟踪数周。在这里，我们提出了一个组合模型的尖峰定时依赖树突棘可塑性和营业额，解释了稳态多接触配置的突触在成人新皮层网络。在该模型中，许多突触前神经元竞争以在突触后神经元上形成强突触连接，而包括每个连接的突触接触通过突触后放电进行合作。我们证明，该模型是一致的实验观察到的长期树突棘动态下的稳态和病变诱导的条件下，并表明，多个突触接触的合作是至关重要的稳定，长期的突触记忆。在一个简化的网络模拟桶皮层，我们的可塑性规则再现胡须修剪引起的重新布线的丘脑-皮层和经常性突触连接现实的时间尺度。
2016-09-19 q-bio.NC
Two-trace model for spike-timing-dependent synaptic plasticity
我们提出了一个有效的模型的时间依赖性突触可塑性（STDP）在两个相互作用的痕迹，对应于激活的NMDA受体的分数和Ca2+浓度在树突棘的突触后神经元。该模型旨在弥合现有的简单的现象学规则和高度详细的模型的世界，从而构成一个实用的工具，神经活动和突触可塑性之间的相互作用，在扩展的尖峰神经网络的研究。对于孤立的突触前和突触后尖峰的标准成对STDP规则再现，与适当的参数确定各自的权重和时间尺度的因果和反因果的贡献。该模型包含，否则只有三个自由参数，可以进行调整，以重现三重非线性在海马文化和皮质切片。我们还研究了相关和不相关的尖峰模式从时间依赖性到速率依赖性可塑性的转变。
2014-10-02 q-bio.NC
Thermal Impact on Spiking Properties in Hodgkin-Huxley Neuron with Synaptic Stimulus
通过数值模拟Hodgkin-Huxley神经元在突触刺激下发放阈值的温度依赖性，研究了环境温度对神经元发放行为的影响.我们发现，在一个“舒适温度”范围内，发放阈值呈现出全局最小值，此时发放需要最弱的突触强度，这表明神经系统中出现了突触传递的最佳利用。我们进一步探讨了离子通道门控动力学中这种现象的生物物理起源，并讨论了其在神经系统信息处理中可能的生物学相关性。
2007-08-16 q-bio.NC
Short-Term Postsynaptic Plasticity Facilitates Predictive Tracking in Continuous Attractors
该研究将基于NMDAR的短期突触后可塑性引入连续吸引子神经网络，阐明其通过增强状态迁移实现对移动刺激的预测性追踪，并为脑启发预测算法提供新机制。
2023-09-27 cond-mat.dis-nn q-bio.NC
Random Walks for Spike-Timing Dependent Plasticity
随机游走方法被用来计算负像平衡分布的时刻突触权重动态支配的尖峰定时依赖可塑性（STDP）。该模型的神经结构是基于电感觉侧线叶（ELL）的？？特别是行为的重要性的鱼是在噪声的存在下，这是由平衡重量分布的方差的平衡突触后电位的方差。递归关系推导的时刻的平衡重量分布，任意突触后电位函数和任意的学习规则。对于齐次网络参数的情况下，显式封闭形式的解决方案开发的突触权重和突触后电位分布的协方差。
2003-12-23 q-bio.NC
Impact of the activation rate of the hyperpolarization-activated current $I_{\rm h}$ on the neuronal membrane time constant and synaptic potential duration
神经元膜电压变化的时间动力学受离子电流控制。这些电流的特征在于两个主要性质：电导和动力学。超极化激活电流（$I_{\rm h}$）通过缩短兴奋性突触后电位和减少其时间总和来强烈调节阈下电位的变化。尽管由$I_{\rm h}$电导引起的突触电位缩短已被充分理解，但$I_{\rm h}$动力学的作用仍不清楚。在这里，我们使用一个模型的$I_{\rm h}$电流模型与快速或缓慢的动力学，以确定其对膜的时间常数（$τ_m$）的CA 1锥体细胞模型的影响。我们的模拟结果表明，具有快速动力学的$I_{\rm h}$比慢速$I_{\rm h}$减少$τ_m$，衰减和缩短兴奋性突触后电位。我们的结论是，$I_{\rm h}$激活动力学能够调节$τ_m$和兴奋性突触后电位（EPSP）在CA 1锥体细胞的时间特性。为了阐明$I_{\rm h}$动力学控制$τ_m$的机制，我们提出了一个新的概念，称为“时间缩放因子”。我们的主要发现是，$I_{\rm h}$动力学通过调节$I_{\rm h}$衍生物电导对$τ_m$的贡献来影响$τ_m$。
2021-06-12 q-bio.NC q-bio.QM q-bio.SC
Synaptic Scaling Balances Learning in a Spiking Model of Neocortex
大脑中的学习需要补充机制：增强和活动依赖的稳态缩放。我们介绍了突触缩放的生物现实的尖峰模型的新皮层，可以学习的振荡节奏的变化，使用STDP，并表明缩放是必要的，以平衡积极和消极的变化，从增强和萎缩的输入。我们讨论了在这样一个模型中考虑突触缩放时出现的一些问题，并表明缩放调节活动，同时允许学习保持不变。
2013-04-08 cs.NE q-bio.NC
Synaptic Plasticity with Discrete state synapses
从海马CA 3-Shaffer侧支通路到海马CA 1锥体细胞的单个突触可塑性的实验观察表明，突触强度的转换发生在单个突触的离散水平上（~ \cite{Peter}和S. S.- H. Wang，未经作者许可使用未发表的数据）。这对于长时程增强（LTP）和长时程抑制（LTD）诱导方案都发生。O 'Connor、Wittenberg和Wang认为，有三种状态可以解释他们对CA 3-CA 1通路中单个突触的观察。我们开发了一个定量模型，这三个状态系统之间的转换所确定的激酶和磷酸酶之间的竞争奥康纳等人。分别是决定性的LTP和LTD的状态。各种可塑性协议的具体预测给出耦合的离散突触AMPA电导变化的突触后膜电位和相关的细胞内钙通量的模型，以产生状态之间的转换率的描述。然后，我们提出了各种LTP和LTD诱导协议的模型系统，并报告所产生的整个细胞的AMPA电导的变化。我们还研究了我们的离散状态突触可塑性模型对实际振荡神经元同步的影响。我们发现，一对一的同步增强了可塑性，我们在这里讨论和突触前和突触后振荡的相位。在这个模型中，突触强度自然饱和，不需要人为的上限或下限，这与早期的可塑性模型相反。
2005-01-18 q-bio.NC q-bio.QM
Spiking neurons with short-term synaptic plasticity form superior generative networks
执行概率推理的尖峰网络已经被提出作为皮质计算的模型和作为解决机器学习中的问题的候选者。然而，基于尖峰的计算以任何方式优于非尖峰替代品的证据仍然很少。我们建议，短期可塑性可以提供尖峰网络与其经典的同行相比，具有独特的计算优势。在这项工作中，我们使用的泄漏集成和消防神经元网络的训练，分别在他们的前向和后向信息处理路径执行判别和生成任务。在训练过程中，与它们的动力学相关的能量景观变得高度多样化，深吸引子盆地被高障碍隔开。经典算法通过采用各种回火技术来解决这个问题，这些技术在计算上要求很高并且需要全局状态更新。我们展示了如何在具有局部短期突触可塑性的尖峰网络中实现类似的结果。此外，我们还讨论了当训练数据不平衡时，这些网络如何甚至优于基于回火的方法。因此，我们展示了如何生物启发，本地，尖峰触发的突触动力学的基础上，简单地对有限的突触资源池可以允许尖峰网络胜过他们的非尖峰亲戚。
2017-10-10 cs.NE physics.bio-ph q-bio.NC
Beyond Weights: Deep learning in Spiking Neural Networks with pure synaptic-delay training
本文受生物学启发，提出仅训练脉冲神经网络中的突触延迟（权重固定随机或三值）即可通过反向传播达到与传统权重训练相当的性能，并在MNIST和Fashion-MNIST上验证，开辟了更高效训练新范式。
2023-08-29 cs.NE q-bio.NC
Transient termination of synaptically sustained spiking by stochastic inputs in a pair of coupled Type 1 neurons
我们研究了随机输入电流对两个可兴奋神经元与快速兴奋性突触耦合的放电行为的影响。在这样的细胞（模型）中，典型的二次整合和激发模型，相互突触耦合可以导致持续的激发或振荡行为，这必然是反相的。加性高斯白噪声可以瞬时终止振荡，从而破坏稳定的极限环。噪声的进一步应用可以使系统返回到尖峰活动。在特定的噪声范围内，振荡和静止状态之间的过渡时间是强烈不对称的。我们用数值方法研究了周期轨道的近似吸引域A，并用马尔可夫过程理论解释了从A逃逸的概率
2007-07-30 q-bio.NC
Firing Cell: An Artificial Neuron with a Simulation of Long-Term-Potentiation-Related Memory
我们提出了一个神经元的计算模型，称为放电细胞（firing cell，FC），它的性质涵盖了诸如外部刺激的受体衰减，突触后电位的延迟和衰减，由于突触后电位通过树突的传播而引起的内部权重的修改，由于短时间突触增强或长时间突触增强的模式而对每个输入的模拟存储器的特性的修改（LTP）、当所有输入的总和超过阈值时的输出尖峰生成以及折射。细胞可以采取三种形式之一：兴奋性，抑制性和接受性。计算机模拟表明，根据输入信号的相位，人工神经元的输出频率可以表现出各种混沌行为。
2017-04-21 cs.NE q-bio.NC
Instability of attractors in autoassociative networks with bioinspired fast synaptic noise
我们研究了自联想网络，其中突触在一个比神经元动力学短得多的时间尺度上有噪声。在我们的模型中，突触前噪声引起突触后抑郁症，最近在神经生物学系统中观察到。这导致非平衡状态，其中网络对外部刺激的敏感性增强。特别地，定性地修改不动点，并且系统可以容易地从吸引子逃逸。因此，除了模式识别，该模型是有用的类识别和分类。
2006-04-16 q-bio.NC
Mesoscopic population equations for spiking neural networks with synaptic short-term plasticity
粗粒度的生物神经网络的微观模型，以获得神经活动的介观模型是迈向多尺度模型的重要一步。在这里，我们扩展了最近的理论介观种群动力学与静态突触的情况下，动态突触表现出短期可塑性（STP）。在假设尖峰到达突触有泊松统计，我们推导出解析随机平均场动力学进行Tsodyks-Markram STP的有限大小的人口之间的有效突触耦合。新的平均场方程既考虑了有限数量的突触，又考虑了神经递质释放概率与可用突触资源分数之间的相关性。与Monte Carlo模拟的微观模型的比较表明，在前馈和经常性网络的介观平均场模型准确地再现随机实现的总突触输入到突触后神经元和帐户之间的随机开关向上和向下的状态，以及人口尖峰。扩展介观人口理论的尖峰神经网络与STP可能是有用的系统减少详细的生物物理模型的皮质微电路的有效和数学上易于处理的平均场模型。
2018-12-21 q-bio.NC
Network algorithmics and the emergence of the cortical synaptic-weight distribution
当一个神经元放电时，产生的动作电位沿着它的轴突向其他神经元的树突传播，对这些神经元的影响是由突触的重量介导的，突触将它与放电的神经元分开。反过来，这种重量又受到突触后神经元反应的影响，这种反应被认为是学习和记忆等重要过程的基础。虽然难以量化，皮质突触权重已被发现服从长尾单峰分布峰值附近的最低值，从而确认了一些以前建立的预测模型。这些模型都是因果局部的，因为它们指的是许多神经元都直接向同一个突触后神经元放电的情况。因此，它们必然包含了关于突触前神经元产生动作电位的假设，而这些假设几乎没有生物学上的可解释性。在这封信中，我们介绍了一个网络模型的大组互连的神经元，并证明，没有假设的特征因果关系的本地模型，其长期行为引起的突触权重的分布与实验观察到的相同的属性。在我们的模型中，产生神经元输入的动作电位最终是网络范围内因果链的产物，这些因果链将神经元发生的事情与其他神经元的放电联系起来。我们的模型是一个因果关系的全球性和谓词的出现的突触权重分布网络的结构和功能。因此，它有可能成为工具，也在其他新兴的皮层现象的研究。
2009-06-17 q-bio.NC
Stochastic synaptic dynamics under learning
Bernstein Center for Computational Neuroscience（伯恩施坦计算神经科学中心）；Physics Department of Humboldt-Universität zu Berlin（柏林洪堡大学物理系）；Institute for Theoretical Biology, Department of Biology, Humboldt-Universität zu Berlin（柏林洪堡大学生物学院理论生物学研究所）；Einstein Center for Neurosciences Berlin（柏林爱因斯坦神经科学中心）
本文提出了一种基于突触时依赖性可塑性（STDP）的随机突触动力学模型，通过分析突触权重的随机过程，揭示了记忆退化的时间进程和记忆容量的计算方法。
2026-01-13 cond-mat.dis-nn physics.bio-ph q-bio.NC
Formation and Stability of Synaptic Receptor Domains
神经递质受体分子，集中在突触后结构域以及支架和许多其他分子，是跨突触信号传递的关键调节剂。采用实验和理论，我们开发了一个定量描述的突触受体结构域的反应扩散模型。我们发现，只有受体和支架分子之间的相互作用，以及受体在细胞膜上的快速扩散，是足够的突触受体域的形成和稳定的特征尺寸。我们的工作调和了突触受体结构域的长期稳定性与单个受体的快速周转和扩散。
2010-12-20 cond-mat.soft cond-mat.stat-mech q-bio.BM
Equivalence between synaptic current dynamics and heterogeneous propagation delays in spiking neuron networks
分布式物理系统的组件之间的消息传递是非瞬时的，并且有助于确定新兴的集体动力学的时间尺度，如有效惯性。在生物神经元网络中，这种惯性部分是由于交换尖峰的局部突触过滤，部分是由于轴突传输延迟的分布。这两种惯性如何不同地影响网络动力学是一个尚未解决的开放性问题，由于在处理突触传递的非马尔可夫性质的困难。在这里，我们开发了一个平均场降维产生一个有效的马尔可夫动力学的人口密度的神经元膜电位，有效的突触电流的小波动的假设下。由此产生的理论使我们能够证明本地和分布式惯性之间的形式等价，持有任何突触的时间尺度，集成和消防神经元模型，尖峰发射制度和不同的网络状态，即使当神经元数量是有限的。
2017-04-10 cond-mat.dis-nn q-bio.NC
Turn Down that Noise: Synaptic Encoding of Afferent SNR in a Single Spiking Neuron
我们已经添加了一个简化的神经形态模型的尖峰时间依赖可塑性（STDP）的突触树突核适应神经元（SKAN）。由此产生的神经元模型是第一个显示除了时空尖峰模式的无监督学习之外的传入信噪比的突触编码。神经元模型特别适合于在数字神经形态硬件中实现，因为它不使用任何复杂的数学运算，并且使用新颖的方法来实现突触稳态。神经元噪声补偿特性的特点和测试噪声损坏的零数字的MNIST手写数据集。结果表明，同时学习的共同模式，在其输入数据，同时动态加权的基础上，他们的信噪比个别传入通道。尽管它很简单，但神经元模型的有趣行为和由此产生的计算能力可能会提供对生物系统的见解。
2014-11-11 cs.NE q-bio.NC
Working Memory with Polychronous Chains
Aix Marseille Univ, CNRS（艾克斯马赛大学，法国国家科学研究中心）
本文提出了一种具有异质突触延迟的递归脉冲神经网络，通过端到端训练实现了高效的工作记忆存储，展示了其在能效神经形态边缘部署中的应用潜力。
2026-10-28 q-bio.NC
On the Spontaneous Dynamics of Synaptic Weights in Stochastic Models with Pair-Based STDP
我们调查的情况下，连接两个神经细胞的突触尖峰定时依赖可塑性（STPD）。我们开发了一个理论分析的几个STDP规则使用马尔可夫理论。在这种情况下，有两种不同的时间尺度，快速神经活动和较慢的突触权重更新。利用这种时间尺度分离，我们推导出一个单一的突触的重量受到STDP的长时间限制。我们发现，突触前和突触后尖峰的配对模型控制小的外部输入的突触权重动态，兴奋性突触。这一结果意味着，特别是塑性的平均场分析可能会错过一些重要的属性STDP。反Hebbian STDP似乎有利于出现一个稳定的突触权重，但仅适用于高外部输入。在抑制性突触的情况下，配对方案的问题不大，我们观察到的突触权重收敛到一个非空值，只有Hebbian STDP。我们广泛地研究了不同的渐近制度STDP规则，提出了有趣的问题，为未来的工作，自适应神经网络，更一般地说，自适应系统。
2021-11-15 q-bio.NC
The space-clamped Hodgkin-Huxley system with random synaptic input: inhibition of spiking by weak noise and analysis with moment equations
我们考虑了一个经典的空间钳位Hodgkin-Huxley模型神经元，其突触兴奋和抑制的电导由Ornstein-Uhlenbeck过程表示。使用数值解的随机模型系统得到的欧拉方法，它被发现，只有激发有一个临界值的稳态兴奋性电导重复尖峰无噪声和电导值附近的临界值小噪声具有强大的抑制作用。对于一个给定的抑制水平，也有一个临界值的稳态兴奋性电导的重复射击，它表明，无论是在兴奋性或抑制性过程或两者的噪声可以有力地抑制尖峰。此外，在临界值附近，当噪声仅存在于抑制性输入过程中时，观察到逆随机共振。导出了6维模型的近似一阶和二阶矩的27个耦合确定性微分方程组。矩微分方程求解使用Runge-Kutta方法和解决方案进行了比较，通过模拟得到的结果，包括一些与大鼠前额叶皮层锥体细胞实验获得的电导的各种参数。当存在由强刺激和相对小的噪声引起的尖峰或当电压在亚阈值水平波动时，从模拟获得的均值和方差是一致的。在脊髓运动神经元和皮质锥体细胞偶尔出现的棘波模式中，矩方程方法的假设并不满足。
2016-04-16 q-bio.NC
STSC-SNN: Spatio-Temporal Synaptic Connection with Temporal Convolution and Attention for Spiking Neural Networks
针对脉冲神经网络突触结构难以建模时间依赖的问题，本文提出融合时间卷积与注意力的STSC-SNN，在多个神经形态数据集上取得近全面领先的分类准确率。
2022-10-11 cs.NE q-bio.NC stat.ML
Natural-gradient learning for spiking neurons
在突触可塑性的许多规范理论中，权重更新隐含地取决于权重的所选参数化。例如，这个问题与神经元形态学有关：就它们对躯体放电的影响而言，功能上等同的突触由于它们沿着树突树的不同位置而在棘大小上可以有很大的不同。基于欧几里德梯度下降的经典理论由于这种参数化依赖性而容易导致不一致。这些问题在黎曼几何的框架中得到解决，在该框架中，我们提出塑性而是遵循自然梯度下降。在这个假设下，我们推导出一个突触学习规则的尖峰神经元，耦合功能效率与解释几个有据可查的生物现象，如树突民主，乘法缩放和heterosynaptic可塑性。因此，我们认为，在寻找功能性突触可塑性的过程中，进化可能已经提出了自己的自然梯度下降版本。
2022-02-23 cs.NE math.DG q-bio.NC
Mean-field approximations of networks of spiking neurons with short-term synaptic plasticity
神经网络动力学的低维描述是一种有效的工具，用于连接不同尺度的大脑结构和功能的组织。最近在推导耦合振子网络的平均场描述方面的进展引发了新一代神经质量模型的发展。值得注意的是所有对所有耦合的二次积分和激发（QIF）神经元的平均场描述，已经看到了许多扩展和应用。这些扩展包括不同形式的短期适应（STA）被认为在大脑中产生和维持感兴趣的动态机制中发挥重要作用。然而，这是一个悬而未决的问题，是否纳入由单个神经元活动驱动的突触可塑性的突触前形式仍然允许使用相同的方法推导平均场方程。在这里，我们讨论这个问题，使用一个既定的模型，短期突触可塑性在单个神经元的水平，我们提出了两种不同的方法来推导的平均场方程。我们比较这些模型与最近提出的平均场近似假设随机尖峰时间。在一般情况下，后者无法准确地再现宏观活动的确定性QIF神经元网络的分布参数。我们表明，我们提出的平均场模型提供了一个更准确的描述的网络动态，虽然他们在数学上更多的参与。通过分叉分析，我们发现具有突触前短时可塑性的QIF网络既可以表现出周期性爆发活动的机制，也可以表现出双稳态机制。总之，我们提供了新的见解短期突触可塑性的宏观影响尖峰神经网络，以及两个不同的平均场描述，为未来的调查，这样的网络。
2021-06-14 cond-mat.dis-nn q-bio.NC
The role of synaptic facilitation in coincidence spike detection
使用一个现实的模型的活动依赖的动态突触和一个标准的集成和消防神经元模型，我们研究，分析和数值，条件下，一个突触后神经元有效地检测到的尖峰到达一定的频率从N个不同的传入时间重合。我们扩展了以前的工作，只考虑突触抑制作为最重要的机制，通过突触的信息传递，更一般的情况下，包括突触促进。我们的研究表明：1）易化增强了对来自突触前兴奋性神经元子集的相关信号的检测，在该子集之间具有不同程度的相关性，以及2）易化的存在允许更好地检测放电速率变化。最后，我们还观察到，促进决定了存在一个最佳的输入频率，允许最佳性能的神经元放电阈值的宽（最大）范围。该最佳频率可以通过促进参数来控制。
2006-05-03 q-bio.NC
Pre-Synaptic Pool Modification (PSPM): A Supervised Learning Procedure for Spiking Neural Networks
学习脉冲神经网络（SNN）模型的突触权值是计算神经科学和基于脉冲的计算中的一个核心问题。最佳权重值的发现可以被视为监督学习任务，其中选择模型网络的权重以最大化目标尖峰序列与模型输出之间的相似性。它仍然在很大程度上是未知的，是否优化尖峰训练相似性的高度经常性SNN产生的权重矩阵相似的地面实况模型。为此，我们提出了灵活的启发式监督学习规则，称为前突触池修改（PSPM），它依赖于随机权重更新，以便在所需时间的短窗口内产生尖峰，并消除此窗口外的尖峰。PSPM提高了所有对所有SNN的尖峰训练相似性，并且由于不需要梯度，因此不假设神经元的突触后电位或网络的结构。我们测试是否优化尖峰训练相似性需要发现准确的权重，并探讨本地和稳态权重更新的相对贡献。虽然PSPM提高了尖峰序列之间的相似性，但学习的权重通常与地面真实模型的权重不同，这意味着从尖峰数据进行连接体推断可能需要对连接统计进行额外的约束。我们还发现，尖峰训练相似性是敏感的本地更新，但其他措施的网络活动，如雪崩分布，可以通过突触稳态学习。
2019-10-08 cs.NE q-bio.NC
Stochasticity and Robustness in Spiking Neural Networks
人工神经网络通常需要精确的权重来操作，尽管它们起源于生物系统，而生物系统可能是高度可变和嘈杂的。然而，当实现利用模拟“突触”设备来编码权重的人工网络时，对这些值可以被编码的准确度和精度施加了固有的限制。在这项工作中，我们研究了不准确的突触对尖峰神经元和脉冲神经网络的影响。从数学分析的积分和火灾（IF）神经元，包括不同的非理想（如泄漏和通道噪声），我们证明，噪声可以用来使IF神经元的行为更强大的突触不准确性。然后，我们训练尖峰网络，利用IF神经元与无噪声和泄漏，并通过实验证实，噪声网络更强大。最后，我们表明，一个嘈杂的网络可以容忍预期的不准确性时，氧化铌为基础的电阻随机存取存储器用于编码突触权重。
2019-06-06 cs.NE q-bio.NC
Detection of spiking motifs of arbitrary length in neural activity using bounded synaptic delays
针对大脑突触延迟有界导致长时尖峰基元无法用传统同步法识别的问题，提出基于级联输出神经元和子基元序列检测的任意长度尖峰基元识别方法，在SHD数据集和随机基元上验证了有效性与鲁棒性。
2026-09-16 q-bio.NC
Rapid, parallel path planning by propagating wavefronts of spiking neural activity
高效的路径规划和导航对于动物、机器人、物流和运输至关重要。我们研究了一个模型，在该模型中，空间导航问题可以迅速解决在大脑中的并行精神探索的替代路线，使用传播波的神经活动。一波尖峰活动通过一个类似于神经网络的网络传播，改变了突触的连通性。由此产生的突触变化的矢量场然后引导模拟动物到适当的选定目标位置。我们证明，导航问题可以解决使用现实的，本地突触可塑性规则，在一个单一的通过波前。我们的模型可以为竞争可能的目标找到最佳解决方案，或者在多种环境中学习和导航。该模型提供了一个假设的最佳路径规划在大脑中的可能的计算机制，在同一时间，它是有用的神经形态实现，这里提出的并行信息处理可以充分利用在硬件中。
2012-05-02 q-bio.NC
Reconstruction of recurrent synaptic connectivity of thousands of neurons from simulated spiking activity
神经元网络的动力学和功能是由它们的突触连接决定的。然而，目前的实验方法来分析突触网络结构的细胞水平上，只覆盖一小部分的功能神经元回路，通常没有同时记录的神经元尖峰活动。在这里，我们提出了一种方法，从数以千计的并行脉冲序列记录的大型递归神经元网络的重建。我们采用最大似然估计的广义线性模型的尖峰活动在连续时间。对于该模型，点过程似然是凹的，使得可以通过梯度上升获得参数的全局最优。以前的方法，包括那些相同的类，不允许经常性网络的数量级被重建，由于高昂的计算成本和数值不稳定性。我们描述了一个最小的模型，是优化的大型网络和通用计算集群上的并行化数值优化的一个有效的计划。对于1000个神经元的模拟平衡随机网络，在理想条件下，突触连接恢复的误分类错误率小于1%。我们表明，错误率仍然很低，在一系列的例子情况下，逐步不太理想的条件下。最后，我们成功地重建了一个隐藏的synfire链，嵌入在一个随机的网络，这需要聚类的网络连接，以揭示synfire组的连接。我们的研究结果表明，如何突触连接可能被推断出大规模的并行脉冲序列记录。
2015-06-07 q-bio.NC q-bio.QM stat.ML
Gradient learning in spiking neural networks by dynamic perturbation of conductances
我们提出了一种方法来估计目标函数相对于尖峰神经网络的突触权重的梯度。该方法通过测量响应于神经元的膜电导的动态扰动的目标函数中的波动来工作。它与具有动态突触的基于电导的模型神经元的递归网络兼容。该方法可以被解释为一个生物学上合理的突触学习规则，如果动态扰动是由一类特殊的“神经”突触产生的随机脉冲序列从外部源驱动。
2006-01-19 q-bio.NC
Astrocyte control bursting mode of spiking neuron network with memristor-implemented plasticity
本文研究星形胶质细胞与忆阻器可塑性如何共同调控脉冲神经网络的爆发与异步动力学，发现星形胶质细胞对兴奋性突触的调控可恢复正常的爆发模式。
2023-11-30 q-bio.NC
Reconstructing Neural Parameters and Synapses of arbitrary interconnected Neurons from their Simulated Spiking Activity
为了理解神经回路的行为，我们有一个先决条件，即我们有一个描述这个回路的动力系统模型。该模型由几个参数决定，不仅包括突触权重，还包括每个神经元的参数。现有的工作主要集中在突触权重或神经元参数。在本文中，我们提出了一种算法来重建所有参数，包括突触的尖峰神经元模型的权重。该模型以尤金·M. Izhikevich（Izhikevich 2007）由两个微分方程组成，涵盖了不同类型的皮层神经元。它结合了Hodgkin-Huxley型动力学的动力学性质和高计算效率。所提出的算法使用相应的膜电位的模型的重建的记录，并由两个主要组成部分。第一部分是一个基于秩的遗传算法（GA），它是用来找到模型的神经参数。第二种方法是最小均方方法，该方法通过最小化每个时间步长的计算和测量的膜电位之间的平方误差来计算所有互连神经元的突触权重。在准备重建的神经参数和突触的权重，从实际测量的膜电位，有前途的结果的基础上产生的随机参数化Izhikevich模型的模拟数据。该方法不仅收敛于神经元参数的全局最小值，而且能够高精度地逼近神经元的突触权值。
2016-08-22 cs.NE q-bio.NC
Temporal Coding in Spiking Neural Networks with Alpha Synaptic Function: Learning with Backpropagation
Google Research（谷歌研究院）
个体神经元尖峰的时间对于生物大脑对感官刺激做出快速反应至关重要。然而，传统的人工神经网络缺乏生物网络中存在的内在时间编码能力。我们提出了一个脉冲神经网络模型，编码信息的相对时间的个别神经元尖峰。在分类任务中，网络的输出由输出层中的第一个神经元指示。这种时间编码方案允许监督训练的网络与反向传播，使用局部精确的衍生物的突触后尖峰时间相对于突触前尖峰时间。该网络使用生物学上合理的α突触传递函数进行操作。此外，我们使用可训练的同步脉冲来提供偏置，增加训练期间的灵活性并利用alpha函数的衰减部分。我们表明，这样的网络可以成功地训练噪声布尔逻辑任务和MNIST数据集编码的时间。结果表明，脉冲神经网络的性能优于MNIST上的同类脉冲模型，并实现了类似的质量完全连接的传统网络具有相同的架构。我们还发现，尖峰网络自发地发现了两个操作机制，反映了人类决策中观察到的准确性-速度权衡：一个缓慢的机制，在所有隐藏的神经元都尖峰之后做出决定，准确性非常高，一个快速的机制，决策非常快，但准确性较低。这些结果证明了具有生物特征的尖峰网络的计算能力，这些生物特征在单个神经元的时序中编码信息。通过研究尖峰网络中的时间编码，我们的目标是为节能和更复杂的生物启发神经架构创建构建模块。
2020-11-16 cs.LG cs.NE q-bio.NC
Unsupervised Spiking Neural Network Model of Prefrontal Cortex to study Task Switching with Synaptic deficiency
Oklahoma State University（俄克拉荷马州立大学）；University of Central Oklahoma（中央俄克拉荷马大学）
本研究构建了基于无监督STDP学习规则的脉冲神经网络模型以模拟前额叶皮层，探究任务切换机制，并通过停用突触通路模拟损伤状态，在FMNIST数据集上验证了模型在模式识别与生物逼真度间的平衡。
2023-05-23 cs.AI cs.LG cs.NE
Maximum Caliber Infers Effective Coupling and Response from Spiking Networks
本文应用最大熵原理推断脉冲神经网络的转移速率，从而计算有效突触耦合强度和神经元响应函数，并重建脉冲间隔分布，方法在模拟和视网膜数据上得到验证。
2024-05-24 physics.bio-ph q-bio.NC
Reshaping Neural Representation via Associative, Presynaptic Short-Term Plasticity
RIKEN Center for Brain Science（理化学研究所脑科学中心）；Graduate School of Information Science and Technology, University of Tokyo（东京大学信息理工学研究科）
该研究提出了一种基于信息论的联想短时突触塑性理论，通过扩展Fisher信息学习到Tsodyks-Markram突触，推导出基线权重和释放概率的学习规则，以在资源约束下最大化刺激信息，揭示释放概率可塑性作为快速可重构时间编码的原理基础。
2026-05-19 q-bio.NC
Local dendritic balance enables learning of efficient representations in networks of spiking neurons
神经网络如何通过局部可塑性机制学习有效地表示复杂和高维的输入？表示学习的经典模型假设输入权重是通过成对的Hebbian可塑性学习的。在这里，我们表明，成对的Hebbian可塑性只适用于神经动力学和输入统计不切实际的要求。为了克服这些局限性，我们从第一性原理推导出一个基于电压依赖性突触可塑性规则的学习方案。在这里，抑制学习局部平衡个体树突隔室中的兴奋性输入，从而可以调节兴奋性突触可塑性以学习有效的表征。我们在模拟中证明，这种学习方案的工作鲁棒性，即使是复杂的，高维的和相关的输入，并与抑制传输延迟，其中赫布式的可塑性失败。我们的研究结果得出了树突兴奋抑制平衡和电压依赖性突触可塑性之间的直接联系，在体内观察，并建议，这两者都是至关重要的表征学习。
2020-10-23 q-bio.NC
HetSyn: Versatile Timescale Integration in Spiking Neural Networks via Heterogeneous Synapses
College of Intelligence and Computing, Tianjin University（智能与计算学院，天津大学）；College of Computer and Information Engineering, Tianjin Normal University（计算机与信息工程学院，天津师范大学）
本文提出HetSyn框架，通过突触特异性时间常数建模突触异质性，将时间整合从膜电位转移到突触电流，其HetSynLIF模型在多种任务上提升了SNN性能、鲁棒性与跨时间尺度泛化能力。
2025-08-01 cs.LG q-bio.NC
Bio-plausible Unsupervised Delay Learning for Extracting Temporal Features in Spiking Neural Networks
神经元之间传导延迟的可塑性在学习中起着重要作用。然而，大脑中这种调制的确切潜在机制仍然是一个悬而未决的问题。了解突触延迟的精确调整可以帮助我们开发有效的大脑启发的计算模型，提供与实验证据一致的见解。在本文中，我们提出了一个无监督的生物合理的学习规则调整突触延迟脉冲神经网络。然后，我们提供了一些数学证明，表明我们的学习规则赋予神经元学习重复时空模式的能力。此外，应用基于STDP的脉冲神经网络配备我们提出的延迟学习规则的随机点运动图的实验结果表明，所提出的延迟学习规则在提取时间特征的有效性。
2020-11-18 cs.NE q-bio.NC
Unsupervised sleep-like intra- and inter-layer plasticity categorizes and improves energy efficiency in a multilayer spiking network
Istituto Nazionale di Fisica Nucleare, Sezione di Roma（意大利国家核物理研究所罗马分部）
本研究通过无监督的睡眠样层间可塑性提高多层脉冲网络的分类性能和能效，揭示了睡眠状态对记忆巩固和能耗下降的作用。
2026-01-24 physics.bio-ph q-bio.NC
Exact analysis of the subthreshold variability for conductance-based neuronal models with synchronous synaptic inputs
本文提出一种基于可交换性和跳跃过程的分析框架，精确计算电导型神经元在同步突触输入下的阈下膜电位变异性，发现异步状态需大突触驱动，而皮层输入需弱同步性。
2023-12-28 math.PR q-bio.NC
Predictive Coding Light+: learning to predict visual sequences with spike timing-dependent plasticity and synaptic delays
Université Clermont Auvergne, Clermont Auvergne INP, CNRS, Institut Pascal（克莱蒙奥弗涅大学，克莱蒙奥弗涅国立理工学院，法国国家科学研究中心，帕斯卡尔研究所）；Orange Labs（橙色实验室）；Frankfurt Institute for Advanced Studies（法兰克福高等研究院）；Goethe University Frankfurt, Institute of Computer Science（法兰克福歌德大学，计算机科学学院）
本文提出预测编码轻量版，通过突触时序依赖可塑性和突触延迟学习视觉序列处理，重现视觉皮层序列学习经典发现，并在挑战性手势识别任务中学习填补缺失输入。
2026-05-12 q-bio.NC
Efficient transmission of subthreshold signals in complex networks of spiking neurons
我们调查的有效传输和处理弱，阈下信号在一个现实的神经介质中存在不同程度的潜在噪声。假设Hebbian权重为最大突触电导-自然平衡网络与兴奋性和抑制性突触-并考虑影响这种电导的短期突触可塑性，我们发现系统中有不同的动态阶段。这包括其中神经元群体保持同步的记忆阶段、其中出现不同同步神经元群体之间的转变的振荡阶段以及异步或噪声阶段。当弱刺激输入施加到每个神经元，增加介质中的噪声水平时，我们发现这种刺激在过渡和临界点周围的有效传输，这些过渡和临界点将系统中定义明确的不同随机性水平的不同阶段分开。我们证明了这一有趣的现象是非常强大的，因为它发生在不同的情况下，包括几种类型的突触可塑性，不同类型和数量的存储模式和不同的网络拓扑结构，即稀释网络和复杂的拓扑结构，如无标度和小世界网络。我们的结论是，在不同的现实情况下，包括尖峰神经元，短期突触可塑性和复杂的网络拓扑结构的现象的鲁棒性，使很可能，它也可能发生在实际的神经系统，最近的心理物理实验表明。
2015-01-29 cond-mat.dis-nn physics.bio-ph q-bio.NC
Learning heterogeneous delays in a layer of spiking neurons for fast motion detection
本研究提出一种利用异质性突触延迟的脉冲神经元层模型，通过形式化为时间不变的逻辑回归来高效检测时间脉冲模式，在自然视频事件流中展现出鲁棒的运动检测能力，为神经形态硬件提供了高效的计算构建块。
2023-07-26 q-bio.NC
Self-organization of microcircuits in networks of neurons with plastic synapses
与简单的随机网络模型相比，皮层网络的突触连接具有某些布线图案的过度表达。这种结构的形成，部分是由突触可塑性，促进或抑制神经元之间的连接，这取决于他们的尖峰活动。通常，理论研究集中在前馈输入如何驱动可塑性以创建这种网络结构。我们研究了循环网络中自组织结构的互补性情景，其中尖峰时间依赖的可塑性由自发动力学驱动。我们开发了一个自洽的理论，描述了网络结构的演变相结合的快速尖峰协方差与突触权重动态的快-慢理论。通过网络动力学的有限尺寸扩展，我们得到了一组低维的非线性微分方程的两个突触连接图案的演变。有了这个理论在手，我们探讨了可塑性规则的形式如何驱动皮层网络中微电路的演变。当增强和抑制处于近似平衡时，突触动力学依赖于加权发散、收敛和链基序的频率。对于加法，赫布STDP，这些基序相互作用在突触动力学中产生不稳定性，从而促进或抑制初始网络结构。我们的工作提供了一个一致的理论框架，研究如何在循环网络的尖峰活动与突触可塑性相互作用，以确定网络结构。
2014-12-20 q-bio.NC
On the stationary state of a network of inhibitory spiking neurons
皮质神经网络的背景活动由具有不可靠的抑制性突触的同质整合和激发网络建模。数值和分析计算表明，网络放松到一个稳定的状态，高度关注。大多数神经元的膜电位刚好低于阈值;因此，网络可以立即对外部脉冲做出反应-在突触传递的时间尺度上。神经元以低速率和广泛的发放间隔放电。整个网络的射击事件在短时间内是相关的。放电率随外界刺激线性增加。在无限大网络的极限下，突触噪声降为零。然而，峰间期的分布仍然很宽。
2007-03-07 cond-mat.dis-nn q-bio.NC
Fluctuation-driven plasticity allows for flexible rewiring of neuronal assemblies
神经元回路中的突触连接受到突触前和突触后尖峰活动的调制。这种突触可塑性过程的启发式模型可以提供与来自体外实验的结果的极好拟合，在体外实验中，突触前和突触后尖峰以受控方式变化。然而，从拟合这些数据推断出的可塑性规则不可避免地是不稳定的，因为给定突触前和突触后的恒定活动，突触将完全增强或抑制。这种不稳定性可以通过增加额外的机制来控制，例如稳态。在这里，我们考虑另一种情况下，可塑性规则本身是稳定的。在这种情况下，只有当突触前和突触后活动随时间变化时，例如当由时变输入驱动时，才会发生净增强或抑制。我们研究了这些输入的特征如何塑造神经元回路模型中的经常性突触连接。在振荡输入的情况下，所得到的结构强烈地受到驱动到不同神经元之间的相位关系的影响。在大型网络中，分布式阶段往往会导致层次聚类。我们的研究结果可能是相关的理解感觉驱动的输入，这是自然随时间变化的，对突触可塑性的影响，因此对学习和记忆。
2022-07-13 q-bio.NC
A Synapse-Threshold Synergistic Learning Approach for Spiking Neural Networks
University of Electronic Science and Technology of China（电子科技大学）；Sichuan Provincial People’s Hospital（四川省人民医院）；Chinese Academy of Medical Sciences（中国医学科学院）；Zhengzhou University（郑州大学）
本研究提出一种在脉冲神经网络中同时训练突触权重和脉冲阈值的突触-阈值协同学习方法（STL-SNNs），在多种数据集上表现优异，具备鲁棒性和低能耗，并能通过联合决策框架进一步提升性能。
2023-04-03 cs.AI cs.NE q-bio.NC
Phase Diagram of Spiking Neural Networks
在脉冲神经网络的计算机模拟中，通常假设网络中每两个神经元以2%的概率连接，其中20%的神经元是抑制性的，80%是兴奋性的。这些共同的价值观是基于实验、观察、尝试和错误，但在这里，我采取了不同的视角，受到进化的启发，我系统地模拟了许多网络，每个网络都有不同的参数，然后我试图找出是什么让共同的价值观可取。我用脉冲刺激网络，然后测量它们的动态范围，种群活动的主频，活动的总持续时间，最大种群速率和最大速率出现的时间。结果以相图的形式组织起来。这个相图给出了一个深入了解参数的空间-兴奋抑制比，稀疏的连接和突触权重。该相图可用于确定模型的参数。相图显示，根据公共值配置的网络具有良好的动态范围来响应脉冲，并且其动态范围对于突触权重来说是鲁棒的，并且对于某些突触权重，即使在没有外部刺激的情况下，它们也以$α$或$β$频率振荡。
2014-09-16 cond-mat.dis-nn q-bio.NC
A Digital Neuromorphic Architecture Efficiently Facilitating Complex Synaptic Response Functions Applied to Liquid State Machines
神经网络中的信息表示为神经元之间的加权连接或突触。当输入乘以神经网络权重时，由于神经网络的主要计算瓶颈是向量-矩阵乘法，因此这造成了问题。传统的处理架构不太适合模拟神经网络，通常需要大量的能量和时间。此外，生物神经网络中的突触不是二元连接，而是表现出非线性响应函数，因为神经递质在神经元之间发射和扩散。受神经科学原理的启发，我们提出了一种数字神经形态架构，尖峰时间处理单元（STPU），能够模拟任意复杂的突触反应功能，而不需要额外的硬件组件。我们考虑的范例尖峰神经元的时间编码的信息，而不是非尖峰率编码的神经元中使用的大多数神经网络。在这个范例中，我们研究液体状态机应用于语音识别，并显示如何与时间动态映射到STPU的液体状态机，展示了灵活性和效率的STPU的实例化神经算法。
2017-03-21 cs.NE q-bio.NC stat.ML
Synaptic polarity and sign-balance prediction using gene expression data in the Caenorhabditis elegans chemical synapse neuronal connectome network
神经系统的图论分析由于数据的不足，往往忽略了连接极性这一方面。秀丽隐杆线虫的化学突触网络是一个重建良好的有向网络，但其连接的迹象尚未阐明。在这里，我们提出了基因表达为基础的符号预测的离子型化学突触连接体的C。elegans（总共3，638个连接和20，589个突触），合并了三个主要神经递质系统的可用突触前神经递质和突触后受体基因表达数据。我们对超过三分之二的这些化学突触进行了预测，并观察到兴奋抑制（E：I）比率接近4：1，这与许多真实世界网络中观察到的相似。我们的开源工具（EleganSign.linkgroup.hu）简单但有效地通过整合神经元连接体和基因表达数据来预测极性。
2021-01-15 q-bio.GN q-bio.MN q-bio.NC
