脉冲神经元前馈网络中计算的连接组约束
神经元与认知
2014-04-03 v1
摘要
目前有多项工作致力于破译各种生物体的连接组或其部分。然而,确定这些连接组中所有神经元的详细生理特性超出了此类项目的范围。因此,仅凭连接组知识能在多大程度上促进对这些神经回路中发生的计算机制的理解尚不清楚,特别是当所述回路的高级功能未知时。在此,我们考虑这样一个问题:当我们无法假设关于神经元生理响应特性的详细信息时,神经元的连线图如何对神经回路所能执行的计算施加约束。我们将这种因连接组而产生的约束称为“计算的连接组约束”。对于配备有遵循确定性脉冲神经元模型(该模型满足少量属性)的神经元的前馈网络,我们探讨是否仅通过了解网络架构,就能排除其可能执行的某些计算,无论其各个神经元具有何种响应特性。我们展示了针对某些类别网络架构的此类形式结果。另一方面,我们也证明了,对于我们模型神经元所假设的有限属性集,网络结构所施加的约束存在根本性的局限。因此,我们的理论表明,虽然连接组约束可能会限制某些类别网络架构的计算能力,但在我们能够辨别其他类别网络的此类结果之前,可能需要关于网络中神经元特性的更详尽信息。
引用
@article{arxiv.1402.4579,
title = {Connectomic Constraints on Computation in Feedforward Networks of Spiking Neurons},
author = {Venkatakrishnan Ramaswamy and Arunava Banerjee},
journal= {arXiv preprint arXiv:1402.4579},
year = {2014}
}
备注
Accepted at the Journal of Computational Neuroscience