通用尖峰神经网络宏观相位重置曲线的伴随方法
神经元与认知
2022-10-12 v2
摘要
脑节律作为相互连接的尖峰神经元之间同步的结果而出现。此类节律的关键性质可从相位重置曲线（PRC）中窥见。推断宏观 PRC 并为涌现节律发展系统的相位约化理论仍是一项突出的理论挑战。在此我们提出一个实用的理论框架，用于计算具有涌现集体振荡的通用尖峰网络的 PRC。为此，我们采用不应期密度方法，其中神经元由其上次动作电位以来的时间描述。在热力学极限下，网络动力学由称为不应期密度方程的连续性方程刻画。我们针对该方程发展了适当的伴随方法，进而给出无穷小 PRC 的半解析表达式。我们通过神经网络的特定示例确认了框架的有效性。我们的理论发现凸显了单个神经元尺度的关键生物学性质与由 PRC 评估的宏观振荡性质之间的关系。
引用
@article{arxiv.2102.09409,
title = {Adjoint Method for Macroscopic Phase-Resetting Curves of Generic Spiking Neural Networks},
author = {Gregory Dumont and Alberto Pérez-Cervera and Boris Gutkin},
journal= {arXiv preprint arXiv:2102.09409},
year = {2022}
}