从观测放电率重构混沌神经网络
混沌动力学
2016-07-20 v1
摘要
如 Sompolinsky 等人 [Phys. Rev. Lett., v. 61, 259 (1988)] 所示,随机耦合的神经场在耦合足够强时会表现出放电率的混沌变化。我们提出了一种从混沌放电率观测中重构耦合矩阵的方法。该方法基于耦合中非线性的特定性质,因为后者由 sigmoid 增益函数决定。我们证明,对于足够大的数据集,该方法能够准确估计耦合矩阵以及系统的其他参数,包括增益函数。
引用
@article{arxiv.1604.00619,
title = {Reconstruction of chaotic neural network from observed firing rates},
author = {A. Pikovsky},
journal= {arXiv preprint arXiv:1604.00619},
year = {2016}
}