布兰登·S·考文垂。;Parthasarathy，阿拉文达克珊;亚历山德拉·L·索默。;爱德华·L·巴特利特。 用于神经模型拟合的分层winner-take-all粒子群优化社会网络。 （英语） Zbl 1382.92020年 J.计算。神经科学。 42，第1期，71-85（2017）. 摘要：粒子群优化（PSO）作为一种通用的数学规划范式得到了广泛的应用，并在各种优化和机器学习问题中得到了应用。在这项工作中，我们在PSO社交网络上引入了一种新的变体，并将此方法应用于从记录的听觉神经元调谐曲线中选择输入参数的反问题。PSO社交网络的拓扑结构是优化成功的主要因素。在这里，我们提出了一种新的社交网络，它受到视觉皮层神经元中发现的赢家通吃编码的影响。我们表明，与其他PSO拓扑相比，winner-take-all网络在大于5维的优化问题上表现得非常好，并且以更低的迭代次数运行。最后，我们证明了PSO的这种变体能够重建听觉频率调谐曲线和调制传递函数，使其成为计算神经科学模型的潜在有用工具。 MSC公司： 92B20型 生物研究、人工生命和相关主题中的神经网络 关键词：生物神经网络;进化计算;模型优化;粒子群优化 软件：神经元;神经修复师;格菲;MOPSO公司 PDF格式BibTeX公司 XML格式引用 \textit{B.S.考文垂}等人，《计算杂志》。神经科学。42，第1号，第71-85条（2017；Zbl 1382.92020） 全文： DOI程序 链接 参考文献： [1] Ackley，D.H.（1987）。基因爬山的连接主义机器，第1版。波士顿：Kluwer学术出版社。 ·doi:10.1007/978-1-4613-1997-9 [2] Bastian，M.、Heymann，S.和Jacomy，M.（2009年）。Gephi是一个用于探索和操作网络的开源软件。在关于网络日志和社交媒体的国际AAAI会议上（第1-2页）。 [3] Birge，B.（2006年）。粒子群优化工具箱。http://www.mathworks.com/matlabcentral/fileexchange/7506-particle-swartmotimization-toolbox。 [4] Blum，C.和Roli，A.（2003年）。组合优化中的元启发式概述和概念比较。ACM计算调查，35（3），268-308·doi:10.1145/93753.937505 [5] Carnevale，N.T.和Hines，M.L.（2006年）。《神经元》第30卷：剑桥大学出版社。 [6] Clerc，M.和Kennedy，J.（2002年）。粒子群在多维复杂空间中爆炸、稳定和收敛。IEEE进化计算汇刊，6（1），58-73·doi:10.1109/4235.985692 [7] Coello Coello，C.和Lechuga，M.（2002年）。MOPSO：一种多目标粒子群优化方案。2002年进化计算大会会议记录。CEC’02（目录号02TH8600），（第2卷，第1051-1056页）：IEEE·Zbl 1368.05139号 [8] Collins，J.J.和Chow，C.C.（1998年）。这是一个小世界。《自然》，393（6684），409-10·doi:10.1038/30835 [9] Destexhe，A.、Rudolph，M.、Fellous，J.M.和Sejnowski，T.J.（2001）。在新皮质神经元中，突触电导的波动在活体样活动中再现。神经科学，107（1），13-24·doi:10.1016/S0306-4522（01）00344-X [10] Devroye，L.（1986）。非一致随机变量生成，第1版。纽约：施普林格·Zbl 0593.65005号 ·doi:10.1007/978-1-4613-8643-8 [11] Elbeltagi，E.、Hegazy，T.和Grierson，D.（2005）。五种基于进化的优化算法的比较。《高级工程信息学》，19（1），43-53·doi:10.1016/j.aei.2005.01.004 [12] Griewank，A.O.（1981）。全局优化的广义下降法。优化理论与应用杂志，34（1），11-39·Zbl 0431.49036号 ·doi:10.1007/BF00933356 [13] Herrmann，B.、Parthasarathy，A.、Han，E.X.、Obleser，J.和Bartlett，E.L.（2015）。大鼠下丘神经元对频率分布的敏感性。《神经生理学杂志》，114（5），2941-54。 [14] Hu，X.和Eberhart，R.（2002）。使用动态邻域粒子群优化的多目标优化。在进化计算大会会议记录中。CEC’02（分类号02TH8600）（2002），（第2卷，第1677-1681页）：IEEE。 [15] Itti，L.和Koch，C.（2001）。视觉注意的计算模型。《自然评论神经科学》，第2（3）期，194-203年·doi:10.1038/35058500 [16] Jamil，M.和Yang，X.S.（2013年）。全局优化问题基准函数的文献综述。国际数学建模与数值优化杂志，4（2），150·Zbl 1280.65053号 ·doi:10.1504/IJMMNO.2013.055204 [17] Kennedy，J.（1999）。小世界和百万：邻域拓扑对粒子群性能的影响。1999年进化计算大会会议记录-CEC99（分类号99TH8406）（第1931-1938页）：IEEE·Zbl 0431.49036号 [18] Kennedy，J.和Eberhart，R.（1995年）。粒子群优化。《ICNN’95国际神经网络会议论文集》（第4卷，第1942-1948页）。 [19] Kim，J.-Y.、Mun，K.-J.、Kim，H.-S.和Park，J.-H.（2011年）。使用并行处理系统和PSO算法优化电力系统运行。《国际电力与能源系统杂志》，33（8），1457-1461·doi:10.1016/j.ijepes.2011.06.026 [20] Liang，J.J.、Qin，A.K.、Suganthan，P.N.和Baskar，S.（2006）。用于多模态函数全局优化的综合学习粒子群优化器。IEEE进化计算汇刊，10（3），281-295·doi:10.1109/TEVC.2005.857610 [21] Mikki，S.M.和Kishk，A.A.（2008年）。粒子群优化是一种基于物理的方法。计算电磁学综合讲座，3（1），1-103·doi:10.2200/S00110ED1V01Y200804CEM020 [22] Rabang，C.F.、Parthasarathy，A.、Venkataraman，Y.、Fisher，Z.L.、Gardner，S.M.和Bartlett，E.L.（2012）。幼年和老年大鼠下丘对调幅声音反应的计算模型。神经电路前沿6。 [23] Saldaña，E.、Aparicio，M.a.、Fuentes-Satamaria，V.和Berrebi，a.S.（2009年）。大鼠上橄榄旁核的连接：向下丘的投射。神经科学，163（1），372-387·doi:10.1016/j.neuroscience.2009.06.030 [24] Salzman，C.和Newsome，W.（1994年）。形成感知决策的神经机制。《科学》，264（5156），231-237·doi:10.1126/science.8146653 [25] Styblinski，M.和Tang，T.-S.（1990年）。非凸优化随机逼近与函数平滑和模拟退火的实验。神经网络，3（4），467-483·doi:10.1016/0893-6080（90）90029-K [26] Van den Heuvel，M.P.和Sporns，O.（2011年）。人类连接体的丰富俱乐部组织。《神经科学杂志》，31（44），15775-15786·doi:10.1523/JNEUROSCI.3539-11.2011 [27] Vayrynen，E.，Noponen，K.，Vipin，A.，Yuan，T.X.，Al-Nashash，H.，Kortelinen，J.，&All，A.（2016）。基于chirp模型的体感诱发电位自动参数化。IEEE神经系统与康复工程学报4320，c，1-1。 [28] Wolpert，D.和Macready，W.（1997年）。优化没有免费午餐定理。IEEE进化计算汇刊，1（1），67-82·doi:10.1109/4235.585893 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。