演化脉冲神经元元胞自动机与网络以模拟体外神经元活动
神经与进化计算
2021-10-18 v1 神经元与认知
摘要
受神经启发的模型与系统在非常规计算应用中具有巨大潜力。通常，生物神经元的机制在模拟或物理系统中被建模或模仿，以试图利用大脑的部分计算能力。然而，神经系统中起作用的生物机制复杂且难以捕捉与工程实现；因此，采用数据驱动的方法将神经行为特征迁移到人工基底上可能更为简便。在本研究中，我们使用进化算法（EA）来产生脉冲神经系统，以模拟体外生物神经元的行为模式。该方法的目的是开发一种产生能够展现复杂行为的模型的方法，这些模型可能适合用作计算基底。我们的模型能够产生一定程度的网络范围同步性，并依据用于演化的目标数据的不同（来自一系列神经元培养密度与成熟度）展现出多种行为。表现最优模型的基因组表明，模型的可兴奋性与连接密度在决定所产生活动的复杂性方面起着重要作用。
引用
@article{arxiv.2110.08242,
title = {Evolving spiking neuron cellular automata and networks to emulate in vitro neuronal activity},
author = {Jørgen Jensen Farner and Håkon Weydahl and Ruben Jahren and Ola Huse Ramstad and Stefano Nichele and Kristine Heiney},
journal= {arXiv preprint arXiv:2110.08242},
year = {2021}
}
备注
To be published in proceedings of IEEE SSCI 2021 as part of ICES symposium (International Conference on Evolvable Systems, IEEE Symposium Series on Computational Intelligence 2021)