脉冲神经元分层联想网络中的稀疏与稠密编码
神经元与认知
2009-11-13 v1
摘要
同步放电链是一种简单的神经网络模型，能够传播称为脉冲包的稳定同步脉冲，且已被广泛研究。然而，同步放电链如何在一个网络中共存仍有待阐明。我们研究了Leaky Integrate-and-Fire神经元的分层联想网络的活动，在其连接中我们通过Hebbian Learning嵌入了记忆模式。我们通过Fokker-Planck方法分析了它们的活动。在我们之前的报告中，当一半的神经元属于每个记忆模式（记忆模式率 ）时，在特定输入条件下，网络活动的时间轮廓被分裂为称为子格的时间聚类群。在本研究中，我们表明当网络稀疏连接（）时，记忆模式的同步放电会被促进。相反，稠密连接的网络（）会抑制同步放电。稀疏性与稠密性也影响了嵌入记忆模式的吸引域和存储容量。我们表明，稀疏（稠密）连接的网络会扩大（缩小）吸引域，并增加（减少）存储容量。
引用
@article{arxiv.0705.2491,
title = {Sparse and Dense Encoding in Layered Associative Network of Spiking Neurons},
author = {Kazuya Ishibashi and Kosuke Hamaguchi and Masato Okada},
journal= {arXiv preprint arXiv:0705.2491},
year = {2009}
}