×

大规模神经模拟的替代人口模型。 (英语) Zbl 1414.92052号

小结:因为大脑的不同部分有丰富的相互联系,所以不可能孤立地对小部分进行现实建模。然而,详细模拟大型神经系统也是不切实际的。本文概述了一种神经系统多尺度建模的新方法,该方法涉及到构建有效的种群替代模型。给定一个具有相关活动和特定非随机连接的神经元模型种群,构造一个代理模型以近似该种群的总输出。替代模型比神经模型需要更少的计算,但它与神经模型有明确而具体的关系。例如,特定神经元的近似尖峰光栅可以通过代理模型的模拟得出。本文专门研究漏积分和核点神经元的神经工程框架(NEF)电路。峰值加权和通过对潜在值进行插值来建模种群活动中的变量,线性滤波器对高斯随机变量进行运算,以近似尖峰相关的波动。研究发现,尽管峰值模型和代理模型之间存在一定的系统差异,但代理模型通常可以通过计算需求的数量级减少来近似网络行为。由于没有对单个峰值进行建模,因此可以使用更长的步长(例如20 ms)进行一些模拟。讨论了对非NEF网络和更复杂神经元模型的可能扩展。

MSC公司:

92B20型 生物研究、人工生命和相关主题中的神经网络

软件:

宁戈
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 阿马里,S.-i.(1977年)。侧向抑制型神经场中模式形成的动力学。生物控制论,27,77-87·Zbl 0367.92005年
[2] Anderson,J.R.、Bothell,D.、Byrne,M.D.、Douglass,S.、Lebiere,C.和Qin,Y.(2004)。心理综合理论。《心理评论》,111(4),1036-1060。doi:10.1037/0033-295X.111.41036,
[3] Bair,W.和Koch,C.(1996年)。行为猕猴纹状体外皮层棘波序列的时间精度。神经计算,8(6),1185-1202。doi:10.1162/neco.1996.8.6.1185,
[4] Barber,M.J.(2001)。多层感知器中的信息表示。R.F.Bishop、K.A.Gernoth和N.R.Walet(编辑),《量子多体理论150年:纪念约翰·克拉克、阿尔波·卡利奥、曼弗雷德·里斯蒂格和塞尔吉奥·罗萨蒂65岁生日的节日》(第319-326页)。新加坡:世界科学,
[5] Bekolay,T.、Bergstra,J.、Hunsberger,E.、DeWolf,T.,Stewart,T.C.、Rasmussen,D.…Eliasmith,C.(2014年1月)。Nengo:用于构建大规模功能性大脑模型的Python工具。神经信息学前沿,7,48。doi:10.3389/fninf.2013.00048
[6] Berzish,M.和Tripp,B.(2014年)。物理环境中大型神经系统模型实时仿真的数字硬件设计。BMC神经科学,15(增刊1),第21页。doi:10.1186/1471-2202-15-S1-P21,
[7] Box,G.E.、Jenkins,G.M.和Reinsel,G.C.(2008年)。时间序列分析:预测和控制(第四版)。新泽西州霍博肯:威利·兹比尔1154.62062
[8] Box,G.E.P.和Muller,M.E.(1958年)。关于生成随机正态偏差的注记。数学研究年鉴,29(2),610-611·Zbl 0085.13720号
[9] Broomhead,D.和Lowe,D.(1988年)。多变量函数插值和自适应网络。复杂系统,2321-355·Zbl 0657.68085号
[10] Churchland,M.M.、Cunningham,J.P.、Kaufman,M.T.、Foster,J.D.、Nuyujukian,P.、Ryu,S.I.和Shenoy,K.V.(2012年)。到达期间的神经种群动力学。《自然》,487(7405),51-56。doi:10.1038/nature11129,
[11] Cisek,P.和Kalaska,J.F.(2005)。背侧运动前皮质做出决定的神经相关因素:多方向选择和最终行动选择的规范。神经元,45(5),801-814。doi:10.1016/j.neuron.2005.01.027,
[12] Deco,G.、Jirsa,V.K.、Robinson,P.A.、Breakspear,M.和Friston,K.(2008)。动态大脑:从尖峰神经元到神经团和皮层区域。《公共科学图书馆·计算生物学》,4(8),e1000092。doi:10.1371/journal.pcbi.1000092,
[13] Eliasmith,C.(2013)。如何构建大脑:一种用于生物认知的神经结构。纽约:牛津大学出版社,
[14] Eliasmith,C.和Anderson,C.(2003)。神经工程:神经生物学系统中的计算、表示和动力学。马萨诸塞州剑桥:麻省理工学院出版社。
[15] Eliasmith,C.、Stewart,T.C.、Choo,X.、Bekolay,T.、DeWolf,T.,Tang,Y.和Rasmussen,D.(2012)。大脑功能的大规模模型。《科学》,338(6111),1202-1205。doi:10.1126/science.1225266,
[16] Erlhagen,W.和Schöner,G.(2002年)。运动准备的动态场理论。《心理评论》,109(3),545-572。doi:10.1037//0033-295X.109.3.545,
[17] Földiák,P.(1989)。用于最佳线性特征提取的自适应网络。《国际神经网络联合会议记录》(第401-405页)。加利福尼亚州圣马特奥:Morgan Kaufmann,
[18] Foster,K.H.、Gaska,J.P.、Nagler,M.和Pollen,D.A.(1985年)。猕猴视觉皮层V1和V2区神经元的时空频率选择性。生理学杂志,365,331-363,
[19] Georgopoulos,A.P.、Kettner,R.E.和Schwartz,A.B.(1988)。灵长类运动皮层和自由手臂运动到三维空间中的视觉目标。二、。神经元群体对运动方向的编码。《神经科学杂志》,8(8),2928-2937。
[20] Knight,B.W.(1972年)。神经元群体中编码的动力学。《普通生理学杂志》,59(6),734-766。doi:10.1085/jgp.59.6.734,
[21] Koulakov,A.A.、Raghavachari,S.、Kepecs,A.和Lisman,J.E.(2002年)。鲁棒神经积分器模型。《自然神经科学》,5(8),775-782。doi:10.1038/nn893,
[22] Nicola,W.和Campbell,S.A.(2013年12月)。二维集成和激发神经元异质网络的平均场模型。计算神经科学前沿,7184。doi:10.3389/fncom.2013.00184
[23] Polsky,A.、Mel,B.W.和Schiller,J.(2004)。锥体细胞薄树突中的计算亚单位。《自然神经科学》,7(6),621-627。doi:10.1038/nn1253,
[24] Salinas,E.和Abbott,L.F.(1994年)。根据发射率进行矢量重建。计算神经科学杂志,189-107·Zbl 0838.92009号
[25] Singh,R.和Eliasmith,C.(2006年)。高维神经元解释了工作记忆细胞的调谐和动力学。《神经科学杂志》,26(14),3667-3678。doi:10.1523/JNEUROSCI.4864-05.2006,
[26] Stewart,T.C.、Tripp,B.和Eliasmith,C.(2009年3月)。Nengo模拟器中的Python脚本。神经信息学前沿,3,7。doi:10.3389/neuro.11.007.2009年
[27] Tenenbaum,J.B.、de Silva,V.和Langford,J.C.(2000年12月)。非线性降维的全局几何框架。科学,290(5500),2319-2323。doi:10.1126/science.290.5500.2319,
[28] Tripp,B.(2008)。基底节功能原理的探索。滑铁卢大学未发表的博士论文。
[29] Tripp,B.P.和Eliasmith,C.(2010年3月)。时间分化的人口模型。神经计算,22(3),621-659。doi:10.1162/neco.2009.02-09-970·兹比尔1185.92028
[30] Tripp,B.P.和Orchard,J.(2012)。噪声神经元稀疏连接网络中的群体编码。计算神经科学前沿,6(5月),1-14。doi:10.3389/fncom.2012.00023,
[31] Welch,P.D.(1967年)。快速傅里叶变换在功率谱估计中的应用:一种基于对短的修改周期图进行时间平均的方法。IEEE音频和电声学汇刊,15(2),70-73,
[32] Wilson,H.R.和Cowan,J.D.(1973年)。皮质和丘脑神经组织功能动力学的数学理论。凯伯内蒂克,13(2),55-80·兹比尔0281.92003
[33] Yin,C.T.和Chan,J.C.M.(1990年)。猫内侧上橄榄的耳间时间敏感性。《神经生理学杂志》,64(2),465-488。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。