分数阶预测性脉冲神经元

最近的实验工作表明，神经放电率可以被解释为分数阶导数，至少在信号变化引起神经适应时如此。在这里，我们证明，如果神经信号由幂律核的和来近似，那么实际的神经脉冲序列本身可以被视为分数阶导数。给定适当的不应期响应，一个简单的标准阈值脉冲神经元就足以进行这种近似。经验上，我们发现用幂律核的和在线近似信号，对于编码具有缓慢变化分量的信号（如长记忆自相似信号）是有益的。对于此类信号，与使用类似的指数衰减核的和相比，在线幂律核近似通常只需要不到一半的脉冲数即可达到相似的信噪比。由于幂律核可以通过加权指数的和或级联来精确近似，我们证明，通过调整解码核的权重，接收神经元对脉冲序列的相应解码允许进行自然且透明的时域信号滤波。