神经钳工

自动神经元模型优化技术:计算神经元模型复杂性的增加使得手动调整模型参数比以往任何时候都更加困难。幸运的是,计算机功率的并行增加使科学家能够自动调节。优化算法需要两个基本组成部分。所给模型的输出与第一个参数集之间的差是一个函数。这种误差函数或适应度函数使不同参数集的排序成为可能。第二个组件是一个搜索算法,它探索参数空间以在最短的时间内找到最佳参数集。本文将误差函数分为三类:基于特征的误差函数、电压轨迹逐点比较函数和多目标函数。然后详细介绍了几种常用的搜索算法,包括蛮力法、模拟退火法、遗传算法、进化策略、差分进化和粒子群优化算法。最后,我们简要介绍了Neurofitter,一个自由软件包,它将相平面轨迹密度适应度函数与几种搜索算法相结合。


zbMATH参考文献(参考12篇文章)

显示第1到第12个结果,共12个。
按年份排序(引用)

  1. Ioan,Daniel;Bărbulescu,Ruxandra;Silveira,Luis Miguel;Ciuprina,Gabriela:有髓轴突室的降阶模型(2019年)
  2. 《单神经元动力学》,Shinnesching,Jr
  3. Moye,Matthew J.;Diekman,Casey O.:神经元状态和参数估计的数据同化方法(2018)
  4. Coventry,Brandon S.;Parthasarathy,Aravindakshan;Sommer,Alexandra L.;Bartlett,Edward L.:用于神经模型拟合的分层winner-take-all粒子群优化社会网络(2017)
  5. van der Scheer,H.T.;Doelman,A.:突触适应神经元:通过模型反转减少关节(2017)
  6. Tumanova,Natalija;Qiegis,Raimondas;Meilūnas,Mečislavas:激发载流子衰变非线性模型的数值分析(2013)
  7. Buhry,Laure;Grassia,Filippo;Giremus,Audrey;Grivel,Eric;Renaud,Sylvie;Saïghi,Sylvain:使用差分进化算法对Hodgkin-Huxley模型的自动参数估计:在神经模拟模拟集成电路中的应用(2011)
  8. Pospischil,Martin;Piwkowska,Zuzanna;Bal,Thierry;Destexe,Alain:不同神经元模型与使用动态钳夹在皮层锥体细胞中获得的基于电导的刺激后时间直方图的比较(2011年)
  9. Fairhurst,D.;Tyukin,I.;Nijmeijer,H.;van Leeuwen,C.:神经振荡器规范模型的观察者(2010)
  10. 马焕飞;林伟:动态模型大参数辨识的非线性自适应同步规则(2009)
  11. 雷诺·乔利维(Jolivet),阿纳德·罗斯(Roth),费利克斯·舒曼(Schürmann),伍尔夫拉姆(Wulfram)的格斯特纳(Gerstner),沃尔特·森恩(Senn),沃尔特(Walter):定量神经元建模专刊(2008年)
  12. Van Geit,W.;De Schutter,E.;Achard,P.:自动神经元模型优化技术:综述(2008)


更多出版物请访问:http://neurofitter.sourceforge.net/index.html?章节=出版物