脉冲神经网络中加性与乘性耦合的等价性
计算物理
2023-04-12 v2 无序系统与神经网络
神经与进化计算
动力系统
摘要
脉冲神经网络模型刻画了生物神经元回路中涌现的集体动力学，并有助于跨领域设计受神经启发的解决方案。大多数脉冲神经网络的动力学系统模型通常表现出两类主要相互作用之一：第一，神经元状态变量对输入脉冲信号（spikes）的响应可能是加性的且独立于其当前状态。第二，响应可能依赖于神经元当前状态并乘以状态变量的某个函数。在此我们揭示，具有加性耦合的脉冲神经网络模型在同时修改神经元内禀时间演化时，等价于具有乘性耦合的模型。因此，相同的集体动力学可由依赖于状态的乘性耦合与常值（状态无关）加性耦合实现。这种映射使得不同相互作用机制的脉冲神经网络模型之间的理论洞见得以迁移，并带来更简单且更有效的工程应用。
引用
@article{arxiv.2304.00112,
title = {Equivalence of Additive and Multiplicative Coupling in Spiking Neural Networks},
author = {Georg Börner and Fabio Schittler Neves and Marc Timme},
journal= {arXiv preprint arXiv:2304.00112},
year = {2023}
}