稠密神经网络中的临界兴奋-抑制平衡
无序系统与神经网络
2019-07-17 v2 神经元与认知
摘要
人工神经网络中的“混沌边缘”相变因近期脑动力学临界性证据而重新引起关注。统计力学传统上以连接度 为控制参数且兴奋-抑制比精确平衡来研究该相变。尽管在这些模型系统中临界连接度很低（通常约 ），对自然系统不现实，近期一项以兴奋-抑制比为控制参数的研究在连接度较大时发现了一种新的、几乎与度无关的临界点。然而，新相变伴随网络中不自然的_high 活动水平。在此我们研究具有附加性质（i）高聚类系数与（ii）神经元仅具兴奋性或抑制性（自然神经元的显著性质）的随机神经网络。结果，我们观察到大连接度网络（无论度分布如何）的一个额外临界点，其呈现与神经元脑网络相符的低活动水平。
引用
@article{arxiv.1903.12632,
title = {Critical excitation-inhibition balance in dense neural networks},
author = {Lorenz Baumgarten and Stefan Bornholdt},
journal= {arXiv preprint arXiv:1903.12632},
year = {2019}
}
备注
10 pages 8 figures, revised version