模型回响尖峰神经网络中信息凝聚的测试
摘要
关于外部世界的信息以时间结构化的尖峰序列形式传递到大脑。在高级区域的进一步处理过程中，信息经历一定的凝聚过程，导致形成外部世界的抽象概念图像，这些图像显然表现为某种统一的尖峰活动，部分独立于输入尖峰序列的细节。最近讨论了单个神经元层面上凝聚的可能物理机制。在回响尖峰神经网络中，由于这种机制，动力学应趋于相同的统一/周期活动以响应一组不同的输入。由于相同的周期活动可能对应于不同的输入尖峰序列，我们将其解释为网络中信息凝聚机制的可能候选。我们的目的是在一个由五个全连接神经元组成的网络模型中测试这种可能性，特别是网络的几何尺寸对其凝聚信息能力的影响。通过计算机模拟，对20个不同几何尺寸的回响尖峰神经网络的动力学进行了建模。通过施加各种初始输入尖峰序列，每个网络被驱动进入回响动力学。我们运行动力学直至其变为周期性的。使用香农公式计算任何输入尖峰序列和任何找到的周期状态中的信息量。结果，我们获得了网络中信息凝聚程度的显式估计，并得出结论：它强烈依赖于网络的几何尺寸。
引用
@article{arxiv.1012.0490,
title = {Testing of information condensation in a model reverberating spiking neural network},
author = {Alexander K. Vidybida},
journal= {arXiv preprint arXiv:1012.0490},
year = {2015}
}
备注
12 pages, 9 figures, 40 references. Content of this work was partially published in an abstract form in the abstract book of the 2nd International Biophysics Congress and Biotechnology at GAP & 21th National Biophysics Congress, (5-9 Oct. 2009) Diyarbakir, Turkey, http://www.ibc2009.org/. In v2 the ancillary file movie.pdf is added, which offers examples of neuronal network dynamics