基于特征相似性的神经形态网络
神经元与认知
2024-03-11 v3
摘要
神经元形态研究不仅因其与神经元动力学的潜在关联而重要，也作为分类多种细胞类型并在物种、器官与条件间进行比较的一种手段而重要。本工作中，我们运用重合相似性（coincidence similarity）概念以及由此导出的将数据集映射为网络的方法来处理这一有趣问题。重合相似性被发现具有若干特定有趣性质，使其在若干模式识别任务中表现出增强的性能（选择性与敏感性）。我们考虑了 20 个形态特征的多种组合，并通过针对相关参数以监督方式最大化字面模块度（literal modularity）而获得相应网络。所得分组分离良好，丰富地刻画了所考量 735 个神经元细胞间的主要相似性相互关系。通过改变其中一个重合参数，还获得了一系列展示细胞与群组间渐进合并的网络构型。
引用
@article{arxiv.2207.10571,
title = {Neuromorphic Networks as Revealed by Features Similarity},
author = {Alexandre Benatti and Henrique F. de Arruda and Luciano da F. Costa},
journal= {arXiv preprint arXiv:2207.10571},
year = {2024}
}