一种用于大型神经网络描述的混合模型
神经元与认知
2015-10-06 v2 动力系统
摘要
本文旨在高效描述在特定脑区中具有高密度差异的物种所形成的神经群体的膜电位动力学。我们提出一种混合模型，其主要组成部分为基于电导的模型（常微分方程组）及其连续对应模型（偏微分方程组），后者通过极限过程获得，该过程中局限于脑内有界区域内的神经元数量趋于无穷。具体而言，在离散模型中，低密度群体的每个细胞由一组随时间变化的变量单独描述；而在连续模型中，高密度群体整体由一组依赖于空间和时间的少量连续变量描述。群体间的通信转化为离散与连续模型间的相互作用，这是我们在此提出的混合模型的本质。该方法已通过重建小脑颗粒层网络的集群活动得到验证，从而降低了计算成本。该混合模型再现了有趣的动力学现象，如局部微电路同步、行波、中心-环绕和时间窗口化。
引用
@article{arxiv.1507.00189,
title = {A hybrid model for large neural network description},
author = {Anna Cattani and Sergio Solinas and Claudio Canuto},
journal= {arXiv preprint arXiv:1507.00189},
year = {2015}
}
备注
18 pages, 6 figures