脉冲神经元可塑性网络中的放电率分布

在漏积分-发放(LIF)神经元的递归网络中,平均场理论已成功描述了平衡态下神经元活动的多种统计性质,例如放电率分布。平均场理论已被应用于这样的网络:其中要么突触权重在突触间是均匀的而单个神经元的传入连接数是异质的,要么反之。此处我们将先前的平均场形式体系拓展到同时出现这两种结构异质性的网络,包括其突触受到可塑的、依赖活动的调制的网络。我们模型中的可塑性通过为每个神经元引入一个脉冲迹来实现:一种在神经元每次发放脉冲时释放并随时间降解的化学信号。迹的时间演化由其降解率 $r_p$ 与神经元的基础放电率 $\nu$ 控制。当比值 $\alpha=\nu / r_p$ 趋于无穷时,该迹可被重新标度以成为神经元放电率的可靠估计。在此 regime 下,平衡态任意突触权重的值是突触前与突触后放电率的函数,且该关系可用于平均场形式体系中。平均场方程的解给出了平衡态的放电率与突触权重分布。这些方程在可靠迹极限下是精确的,但如我们通过对由兴奋性与抑制性 LIF 神经元组成的网络中完整神经元动力学模拟的比较所示,当降解率处于合理范围内时它们已能提供准确结果。总体而言,本工作提供了一种探索和更好理解可塑性如何塑造神经元网络中活动与结构的方式。