箭头
第35卷第1期
神经科学中Fokker-Planck方程的谱方法及其在具有学习规则的神经元网络中的应用

张培(音译),王艳丽(Yanli Wang)&周镇南

Commun公司。计算。物理。,35(2024),第70-106页。

在线发布:2024-01年

导出引文
  • 摘要

在这项工作中,我们考虑非线性噪声的福克-普朗克方程神经元网络的泄漏积分火灾(NNLIF)模型。由于枪击事件对于微观水平的神经元,这个福克-普朗克方程包含了动力学涉及特定内部点的边界条件。为了有效地解决这个问题并探索未知的性质,我们构造了一个灵活的数值Fokker-Planck方程在谱方法框架下的方案精确处理动态边界条件。这个数值格式是稳定的通过适当选择测试函数空间,并保持渐近性,它很容易扩展到具有多个时间尺度的变量模型。我们还提供了广泛的数值例子验证了格式的性质,包括收敛阶和时间效率,并探索模型的独特特性,包括放大NNLIF模型的现象及学习和判别性质带有学习规则的NNLIF模型。

  • AMS主题标题

35Q92、65M70、92B20

  • 版权

版权:©全球科学出版社

  • 电子邮件地址
  • BibTex公司
  • RIS公司
  • TXT公司
@第{CiCP-35-70条,author={张,裴旺,燕丽,周,镇南},title={神经科学中Fokker-Planck方程的谱方法及其在具有学习规则的神经元网络中的应用},journal={计算物理中的通信},年份={2024},体积={35},数字={1},页数={70--106},抽象={

在这项工作中,我们考虑非线性噪声的福克-普朗克方程神经元网络的泄漏积分火灾(NNLIF)模型。由于枪击事件对于微观水平的神经元,这个福克-普朗克方程包含了动力学涉及特定内部点的边界条件。为了有效地解决这个问题并探索未知的性质,我们构造了一个灵活的数值Fokker-Planck方程在谱方法框架下的方案精确地处理动态边界条件。这个数值格式是稳定的通过适当选择测试函数空间,并保持渐近性,它很容易扩展到具有多个时间尺度的变量模型。我们还提供了广泛的验证方案属性的数值示例,包括收敛阶数和时间效率,并探索模型的独特特性,包括放大NNLIF模型的现象及学习和判别性质带有学习规则的NNLIF模型。

},issn={1991-7120},doi={https://doi.org/10.4208/cicp.OA-2023-0141},url={http://global-sci.org/intro/article_detail/cicp/22896.html}}
TY-JOUR公司神经科学中Fokker-Planck方程的T1-谱方法及其在具有学习规则的神经元网络中的应用AU-张,裴AU-Wang、Yanli澳州、镇南JO-计算物理通信VL-1型SP-70EP-1062024年上半年DA-2024/01序号-35做-http://doi.org/10.4208/cicp.OA-2023-0141UR-(欧元)https://global-sci.org/intro/article_detail/cicp/22896.htmlKW-积分火灾模型,福克-普朗克方程,神经元网络,光谱方法。AB公司-

在这项工作中,我们考虑非线性噪声的福克-普朗克方程神经元网络的泄漏积分火灾(NNLIF)模型。由于枪击事件对于微观水平的神经元,这个福克-普朗克方程包含了动力学涉及特定内部点的边界条件。为了有效地解决这个问题并探索未知的性质,我们构造了一个灵活的数值在光谱方法框架下的福克-普朗克方程方案精确处理动态边界条件。这个数值格式是稳定的通过适当选择测试函数空间,并保持渐近性,它很容易扩展到具有多个时间尺度的变量模型。我们还提供了广泛的数值例子验证了格式的性质,包括收敛阶和时间效率,并探索模型的独特特性,包括放大NNLIF模型的现象及学习和判别性质带有学习规则的NNLIF模型。

张培,王艳丽,周振南。(2024). 神经科学中Fokker-Planck方程的谱方法及其在具有学习规则的神经元网络中的应用。计算物理中的通信.35(1).70-106.doi:10.4208/cicp。OA-2023-0141号
复制到剪贴板
引文已复制到剪贴板