具有相关输入的耦合神经网络放电率模型的实用近似方法
神经元与认知
2017-10-02 v4 定量方法
摘要
快速的实验进展现在能够在神经系统的大范围区域内，以单细胞分辨率同时进行神经活动的电生理记录。这类神经网络活动模型必然会变得更大、更复杂，从而增加了模拟它们的计算成本和分析它们的挑战。本文提出了一种新方法，用于近似受噪声相关背景输入影响的一般放电率网络模型（Wilson-Cowan 型）的活动和放电统计。该方法需要求解一组超越方程组，与耦合随机微分方程的蒙特卡洛模拟相比速度更快。我们用几个耦合神经网络示例实现了该方法，并表明即使在中等耦合强度和许多参数具有显著异质性的情况下，结果在定量上也是准确的。这项工作有助于研究各种神经属性如何定性地影响耦合神经网络的放电统计。实现该方法的 Matlab 代码可在 GitHub 上免费获取（\url{http://github.com/chengly70/FiringRateModReduction}）。
引用
@article{arxiv.1702.03474,
title = {Practical Approximation Method for Firing Rate Models of Coupled Neural Networks with Correlated Inputs},
author = {Andrea K. Barreiro and Cheng Ly},
journal= {arXiv preprint arXiv:1702.03474},
year = {2017}
}
备注
15 pages, 7 figures