从模拟尖峰活动重构任意互连神经元的神经参数与突触
神经与进化计算
2016-08-23 v1 神经元与认知
摘要
要理解神经回路的行为，前提是拥有描述该回路的动力学系统模型。该模型由若干参数决定，不仅包括突触权重，还包括每个神经元的参数。现有工作主要集中于突触权重或神经参数之一。在本文中，我们提出一种算法来重构尖峰神经元模型的所有参数，包括突触权重。该模型基于 Eugene M. Izhikevich 的工作（Izhikevich 2007），由两个方程组成并涵盖不同类型的皮层神经元。它结合了 Hodgkin-Huxley 型动力学的动力学特性与高计算效率。所提算法利用模型的相应膜电位记录进行重构，由两个主要组件构成。第一个组件是基于排序的遗传算法(GA)用于寻找模型的神经参数。第二个组件是最小均方方法，通过最小化每个时间步长计算得到与测量得到的膜电位之间的平方误差，计算所有互连神经元的突触权重。为从真实测量的膜电位重构神经参数和突触权重做准备，给出了基于随机参数化 Izhikevich 模型生成的模拟数据的有前景结果。该重构不仅收敛到神经参数的全局最小值，而且以高精度逼近突触权重。
引用
@article{arxiv.1608.06132,
title = {Reconstructing Neural Parameters and Synapses of arbitrary interconnected Neurons from their Simulated Spiking Activity},
author = {J. Fischer and P. Manoonpong and S. Lackner},
journal= {arXiv preprint arXiv:1608.06132},
year = {2016}
}
备注
6 pages, 7 figures