基于时序深度展开 MPC 的神经元网络放电模式调控
系统与控制
2023-09-08 v1 系统与控制
摘要
由于神经元网络是由相互连接的神经元组成的复杂系统，其控制因非线性和复杂性而面临挑战。在本文中，我们提出一种为神经元网络设计控制输入以调控网络内模块放电模式的方法。我们提出一种基于时序深度展开模型预测控制（TDU-MPC）的控制输入设计方法，该控制方法基于在无线信号处理背景下被积极研究的深度展开技术。在方法开发中，我们通过使用 sigmoid 函数近似输入电流，解决了神经元动力学的独特特征，如放电时刻的零梯度。所提方法的有效性通过数值仿真得到验证。在具有 15 和 30 个神经元的网络中，实现了在不直接施加控制输入的情况下切换两个模块的放电频率。本研究包含针对网络神经元的定制方法、将 TDU-MPC 扩展到具有重置动力学的非线性系统，以及在神经元网络中实现期望放电模式。
引用
@article{arxiv.2309.03681,
title = {Manipulation of Neuronal Network Firing Patterns using Temporal Deep Unfolding-based MPC},
author = {Jumpei Aizawa and Masaki Ogura and Masanori Shimono and Naoki Wakamiya},
journal= {arXiv preprint arXiv:2309.03681},
year = {2023}
}
备注
Accepted to the 2023 Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)