偶尔中断正常放电模式可增强神经协调：一种自优化脉冲神经网络模型
适应与自组织系统
2014-09-02 v1 神经与进化计算
神经元与认知
摘要
传统 Hopfield 网络的状态空间通常表现出许多不同的吸引子，其中只有一小部分以全局最优的方式满足神经元之间的约束。最近的研究表明，将 Hebbian 学习与偶尔改变正常神经状态相结合，可以通过自组织扩大最佳吸引盆来避免这一问题。然而，目前尚不清楚这种自优化过程在真实大脑中的运作程度。在此，我们通过实现一个自优化脉冲神经网络模型，证明该过程可以迁移到更具生物合理性的神经网络中。此外，通过利用该脉冲神经网络模拟具有 Hebbian 学习的 Hopfield 网络，我们试图在基于速率编码和基于时间编码的神经系统之间建立联系。尽管需要进一步工作使该模型更加现实，但它已经表明自优化过程的有效性独立于传统 Hopfield 网络的简化假设。我们还讨论了可能导致实际大脑中神经放电模式偶尔改变的自然和文化过程。
引用
@article{arxiv.1409.0470,
title = {Neural coordination can be enhanced by occasional interruption of normal firing patterns: A self-optimizing spiking neural network model},
author = {Alexander Woodward and Tom Froese and Takashi Ikegami},
journal= {arXiv preprint arXiv:1409.0470},
year = {2014}
}
备注
22 pages, 6 figures; Neural Networks, in press