神经可塑性的随机模型：一种尺度缩放方法
概率论
2021-11-17 v2 神经元与认知
摘要
在神经科学中，突触可塑性指的是驱动神经元连接（称为突触，由标量值即突触权重表示）动态变化的一组机制。脉冲时序依赖可塑性（STDP）规则是一种基于生物学的模型，将突触权重的时间演化表示为相邻神经元过去脉冲活动的泛函。arXiv:2010.08195 中引入了一个通用的数学框架。本文基于若干生物学假设，发展并研究这些模型的尺度缩放方法。实验表明，长期突触可塑性的演化时间尺度远慢于驱动神经元细胞活动的细胞机制，如脉冲活动或由该脉冲活动产生/抑制的各种化学组分的浓度。为此，引入了 arXiv:2010.08195 中随机模型的缩放版本，并对一大类可塑性核陈述了一个极限定理——一个平均化原理。配套论文 arXiv:2010.08790 完全致力于证明这些收敛结果所用的紧性性质。这些平均化原理被用于研究两类重要的 STDP 模型：基于配对规则和基于钙的规则。我们的结果与神经科学 STDP 模型的近似进行了比较。还研究了一类离散 STDP 规则模型，以使其极限动力系统在解析上易于处理。
引用
@article{arxiv.2106.04845,
title = {Stochastic Models of Neural Plasticity: A Scaling Approach},
author = {Philippe Robert and Gaetan Vignoud},
journal= {arXiv preprint arXiv:2106.04845},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2010.08195