具有兴奋与抑制组件的神经网络：基于平均场方法的直接与逆问题
无序系统与神经网络
2016-01-20 v1 神经元与认知
摘要
我们研究了具有短期突触可塑性且在抑制与易化机制存在下的抑制性与兴奋性漏积分放电神经元网络的动力学。动力学通过异质平均场近似进行分析，该近似能追踪网络中结构无序的效应。我们描述了不同类别兴奋与抑制组件的复杂行为，其产生了作为抑制性神经元比例函数的丰富动力学相图。通过同一平均场方法，我们研究并求解了一个全局逆问题：从平均突触活动场的已知信息重构抑制与兴奋组件的度概率分布以及抑制性神经元的比例。该方法为神经网络动力学的数值研究以及将这些模型用作分析实验数据的测试平台的可能性揭示了新视角。
引用
@article{arxiv.1507.08183,
title = {Neural networks with excitatory and inhibitory components: direct and inverse problems by a mean-field approach},
author = {M. di Volo and R. Burioni and M. Casartelli and R. Livi and A. Vezzani},
journal= {arXiv preprint arXiv:1507.08183},
year = {2016}
}