基于脉冲时序依赖学习规则的纤毛突触神经网络用于编码时空模式
无序系统与神经网络
2009-11-07 v1 统计力学
q-bio
摘要
我们研究了基于 Hodgkin-Huxley 型脉冲神经元的联想记忆神经网络。引入脉冲时序依赖学习规则，其中时间窗的负部分和正部分均用于描述生物学上符合实际的突触可塑性。该学习规则被用于编码多个周期时空模式，这些模式在记忆检索过程中成功地在脉冲神经元的周期放电模式中得到再现。将全局抑制引入模型以诱发伽马振荡。伽马振荡的发生被证明为离散型时空模式记忆检索提供了恰当的脉冲时序。对完美检索状态稳态性质的理论分析在神经元数目无限的极限下进行，结果与数值模拟结果良好一致。该分析结果表明，时间窗的负负和正部分形式有助于减小交叉串扰项，表明带有负负和正部分的时间窗适用于编码多个时空模式。我们绘制了相图，发现随着全局抑制强度变化，存在各种类型的相变。
引用
@article{arxiv.cond-mat/0110070,
title = {The spike-timing-dependent learning rule to encode spatiotemporal patterns in a network of spiking neurons},
author = {Masahiko Yoshioka},
journal= {arXiv preprint arXiv:cond-mat/0110070},
year = {2009}
}
备注
Accepted for publication in Physical Review E