基于重定标方法的边界解：恢复神经元网络动力学的二阶与一阶统计
神经元与认知
2020-02-07 v1 数值分析
动力系统
数值分析
摘要
网络规模与可用计算资源之间存在强关联，这可能阻碍神经科学研究。同时，在保持网络行为的前提下重定标网络并非易事。此外，在地形组织下建模连接模式带来额外挑战：解决网络边界或夹杂不期望的行为。例如，该行为可能是环面解导致的嵌入振荡；或因连接缺失（或过量）引起的不平衡神经元的混合。我们详述了Romaro等人（2018）所用、能维持行为统计的网络重定标方法，并基于先前的统计恢复思想给出了一种边界解决方法。
引用
@article{arxiv.2002.02381,
title = {Boundary solution based on rescaling method: recoup the first and second-order statistics of neuron network dynamics},
author = {Cecilia Romaro and Antonio Carlos Roque and Jose Roberto Castilho Piqueira},
journal= {arXiv preprint arXiv:2002.02381},
year = {2020}
}