面向具有复杂动态表型的神经元网络的第三代降维方法
神经元与认知
2023-10-24 v2 统计力学
摘要
脉冲神经元网络的集体动力学一直是计算神经科学与网络科学的核心关注点。近年来，基于脉冲网络精确降维(ER)的新一代神经群体模型已被发展出来。然而，这些工作大多局限于具有简单动力学的神经元网络（例如二次积分放电模型）。在此，我们将精确降维推广到基于电导的二维 Izhikevich 神经元模型网络。我们采用绝热近似，从而能够解析求解描述神经群体状态演化的连续性方程，进而降低模型维度。我们通过表明所推导的降维平均场描述在定性与定量上均能描述具有不同电生理特征（规则放电、适应型、谐振子型与 III 型兴奋）的二维 QIF 神经元群体的宏观行为，来验证我们的结果。最值得注意的是，我们将该技术应用于发展具有爆发动力学神经元网络的精确降维。
引用
@article{arxiv.2206.10370,
title = {A new generation of reduction methods for networks of neurons with complex dynamic phenotypes},
author = {Inês C. Guerreiro and Matteo di Volo and Boris Gutkin},
journal= {arXiv preprint arXiv:2206.10370},
year = {2023}
}
备注
reduction method for bursting neurons added