Üstel tümleştirme ve ateşleme - Exponential integrate-and-fire - Wikipedia

Üstel tümleştirme ve ateşleme modelleri kompakttır ve hesaplama açısından verimli doğrusal değildir spiking nöron modelleri bir veya iki değişkenli. Üstel entegre ve ateş modeli ilk olarak tek boyutlu bir model olarak önerildi.^[1] En belirgin iki boyutlu örnekler, uyarlanabilir üstel tümleştir ve ateşle modeli^[2] ve genelleştirilmiş üstel tümleştir ve ateşle modeli.^[3] Üstel entegre ve ateşleme modelleri, hesaplamalı sinirbilim alanında yaygın olarak kullanılmaktadır ve sinir ağlarında artış (i) deneysel nörobilim alanında nöron modelinin sağlam bir temeli, (ii) simülasyonlarda ve donanım uygulamalarında hesaplama verimliliği ve (iii) matematiksel şeffaflık nedeniyle.

Üstel tümleştir ve ateşle (EIF)

üstel tümleştirme ve ateşleme model (EIF) bir biyolojik nöron modeli, klasik sızdıran entegre ve ateş modelinin nöronların nasıl ürettiğini açıklayan basit bir modifikasyonu aksiyon potansiyalleri. EIF'de, eşik ani artış yerini depolarize edici doğrusal olmayan bir durum alır. Model ilk olarak Nicolas Fourcaud-Trocmé, David Hansel, Carl van Vreeswijk ve Nicolas Brunel tarafından tanıtıldı.^[1] Üstel doğrusal olmama durumu daha sonra Badel ve ark.^[4] Daha sonra deneysel sinirbilim tarafından onaylanan hesaplamalı sinirbilimde kesin bir teorik tahminin önde gelen örneklerinden biridir.

Üstel bütünleştir ve ateşle modelinde,^[1] başak üretimi, aşağıdaki denklemi takiben üsteldir:

${ displaystyle { frac {dV} {dt}} - { frac {R} { tau _ {m}}} I (t) = { frac {1} { tau _ {m}}} [ E_ {m} -V + Delta _ {T} exp left ({ frac {V-V_ {T}} { Delta _ {T}}} sağ)]}$.

Üstel integral ve ateş nöronunun parametreleri deneysel verilerden çıkarılabilir.^[5]

nerede ${ displaystyle V}$ zar potansiyeli, ${ displaystyle V_ {T}}$ iç zar potansiyel eşiğidir, ${ displaystyle tau _ {m}}$ membran zaman sabiti, ${ displaystyle E_ {m}}$dinlenme potansiyeli ve ${ displaystyle Delta _ {T}}$ aksiyon potansiyeli başlama keskinliğidir, genellikle kortikal piramidal nöronlar için yaklaşık 1 mV.^[4] Membran potansiyeli geçtiğinde ${ displaystyle V_ {T}}$, sonlu zamanda sonsuza uzaklaşır.^[6][5] Sayısal simülasyonda, membran potansiyeli keyfi bir eşiğe ulaşırsa (bundan çok daha büyük) entegrasyon durdurulur. ${ displaystyle V_ {T}}$) membran potansiyelinin bir değere sıfırlandığı V_r . Voltaj sıfırlama değeri V_r modelin önemli parametrelerinden biridir.

İki önemli not: (i) Yukarıdaki denklemin sağ tarafı, deneysel verilerden doğrudan çıkarılabilen bir doğrusal olmama durumu içerir.^[5] Bu anlamda, üstel doğrusal olmama keyfi bir seçim değil, deneysel kanıtlarla doğrudan destekleniyor. (ii) Doğrusal olmayan bir model olmasına rağmen, sabit girdi için ateşleme oranını ve girdi gürültüsünün varlığında bile dalgalanmalara doğrusal tepkiyi hesaplamak yeterince basittir.^[7]

Üstel entegre ve ateş modelinin öğretici bir incelemesi (deneysel verilere uygunluk ve Hodgkin-Huxley modeliyle ilişki dahil) şu adreste bulunabilir: Bölüm 5.2 Neuronal Dynamics ders kitabının.^[8]

Uyarlanabilir Üstel tümleştir ve ateşle (AdEx)

İlk patlayan AdEx modeli

uyarlanabilir üstel tümleştir ve ateşle nöron ^[2] (AdEx), voltaj denkleminin yukarıdaki üstel doğrusal olmayışının bir adaptasyon değişkeni ile birleştirildiği iki boyutlu bir spiking nöron modelidir.

${ displaystyle tau _ {m} { frac {dV} {dt}} = RI (t) + [E_ {m} -V + Delta _ {T} exp sol ({ frac {V-V_ {T}} { Delta _ {T}}} sağ)] - Rw}$

${ displaystyle tau { frac {dw (t)} {dt}} = - a [V _ { mathrm {m}} (t) -E _ { mathrm {m}}] - w + b tau delta (tt ^ {f})}$

nerede w zaman ölçeğine sahip bir adaptasyon akımını gösterir ${ displaystyle tau}$. Önemli model parametreleri voltaj sıfırlama değeridir V_r, içsel eşik ${ displaystyle V_ {T}}$, zaman sabitleri ${ displaystyle tau}$ ve ${ displaystyle tau _ {m}}$ yanı sıra kuplaj parametreleri a ve b. Uyarlanabilir üstel tümleştirme ve ateşleme modeli, deneysel olarak türetilen voltaj doğrusal olmama durumunu devralır ^[5] üstel tümleştirme ve ateşleme modelinin. Ancak bu modelin ötesine geçerek, adaptasyon, patlama ve ilk patlama dahil olmak üzere sürekli uyarıma yanıt olarak çeşitli nöronal ateşleme modellerini de açıklayabilir.^[9]

Uyarlanabilir üstel bütünleştir ve ateşle modeli üç açıdan dikkate değerdir: (i) sadece iki bağlı değişken içerdiği için basitliği; (ii) gerilim denkleminin doğrusal olmayışı deneylerden çıkarıldığı için deneysel verilerdeki temeli;^[5] ve (iii) AdEx model parametrelerinin uygun bir seçimiyle tanımlanabilen geniş tek nöron ateşleme modelleri spektrumu.^[9] Özellikle, AdEx, bir adım akım girdisine yanıt olarak aşağıdaki ateşleme modellerini yeniden üretir: nöronal adaptasyon, düzenli patlama, ilk patlama, düzensiz ateşleme, düzenli ateşleme.^[9]

Uyarlanabilir üstel entegre-ve-ateşleme modelinin didaktik bir incelemesi (tek nöron ateşleme modellerinin örnekleri dahil) Bölüm 6.1 Neuronal Dynamics ders kitabının.^[8]

Genelleştirilmiş Üstel entegre ve ateşleme Modeli (GEM)

genelleştirilmiş üstel tümleştir ve ateşle modeli^[3] (GEM), voltaj denkleminin üstel doğrusal olmayışının bir alt eşik değişkeni x ile birleştirildiği iki boyutlu bir spiking nöron modelidir.

${ displaystyle tau _ {m} { frac {dV} {dt}} = RI (t) + [E_ {m} -V + Delta _ {T} exp sol ({ frac {V-V_ {T}} { Delta _ {T}}} sağ)] - b , [E_ {x} -V] x}$

${ displaystyle tau _ {x} (V) { frac {dx (t)} {dt}} = x_ {0} (V _ { mathrm {m}} (t)) - x}$

burada b bir birleştirme parametresidir, ${ displaystyle tau _ {x} (V)}$ voltaja bağlı bir zaman sabiti ve ${ displaystyle x_ {0} (V)}$ Hodgkin-Huxley modelinin gating değişkenine benzer bir doygun doğrusal olmama durumudur. Dönem ${ displaystyle b [E_ {x} -V] x}$ ilk denklemde voltajla aktive olan yavaş bir iyon akımı olarak düşünülebilir.^[3]

GEM iki yönüyle dikkat çekicidir: (i) voltaj denkleminin doğrusal olmaması deneylerden çıkarılır;^[5] ve (ii) GEM, gürültülü girdinin varlığında bile sabit ateşleme hızının ve doğrusal tepkinin matematiksel bir analizini mümkün kılacak kadar basittir.^[3]

GEM'in hesaplama özelliklerinin ve diğer spiking nöron modelleriyle ilişkisinin bir incelemesi bulunabilir.^[10]

Referanslar