隨機相關(guān)輸入的Integrate-and-Fire神經(jīng)元模型.pdf

1、盡管隨機輸入的單一神經(jīng)元模型已經(jīng)在理論和計算神經(jīng)科學(xué)中被廣泛地研究，但大部分研究是在假定輸入為獨立的泊淞過程情況下進行的。因為神經(jīng)元發(fā)出和接收放電脈沖一般是更新過程，因此這種假定是對生理學(xué)數(shù)據(jù)的一種很粗略的近似。我們將考慮更新輸入的情況，它是對神經(jīng)鍵輸入的一種更精確的近似。本文主要研究了Integrate-and-Fire神經(jīng)元模型隨機更新輸入的近似問題和相關(guān)更新輸入對Integrate-and-Fire神經(jīng)元模型輸出和解碼的影響，以及

2、兩個相關(guān)點過程之間相關(guān)性的描述，獲得了一些有用的新結(jié)論.具體地說：第一章介紹了問題研究的背景及本文的主要工作. 第二章研究了隨機更新輸入的Integrate-and-Fire神經(jīng)元模型的近似問題，得到了兩種新的近似方案。 第三章研究了低相關(guān)更新輸入對Integrate-and-Fire模型輸出的影響。對低的正相關(guān)，隨著輸入相關(guān)的增加，平均發(fā)放時間縮短。對低的負相關(guān)，平均發(fā)放時間獨立于輸入相關(guān). 第四章研究了兩個相

3、關(guān)點過程之間相關(guān)性的描述。我們指出當兩個點過程是泊淞過程時，相關(guān)系數(shù)能充分描述它們之間的相互關(guān)系。當兩個點過程是更新過程時，相關(guān)系數(shù)隨著時間窗口的變化而變化，是時間窗口的遞增函數(shù)。于是我們提出用相關(guān)系數(shù)曲線來描述兩個更新過程之間的相互關(guān)系。 第五章研究了隨機相關(guān)輸入的Integrate-and-Fire神經(jīng)元模型的最優(yōu)解碼問題。使用Fisher信息，在理論上我們解決了這樣一個問題：當抑制和興奮輸入的比(r)取何值時，神經(jīng)元能最精