簡體   English   中英

泄漏積分並激發神經元模型

[英]Leaky Integrate and fire neuron model

我最近開始涉獵神經網絡。 它們很棒,但至少有點晦澀,至少很難說。 我對大量使用集成和激發神經元模型的液體狀態機特別感興趣。 但是,這完全使我逃脫了。 這里有一些問題:

  1. 對於泄漏的集成和發射神經元,理想的神經元配置是什么: https//en.wikipedia.org/wiki/Biological_neuron_model#Leaky_integrate-and-fire IE如果泄漏整合和發射神經元是人為的,不受生物學限制。

  2. 它會適合典型的人工神經元結構嗎?還是會保留其泄漏性?

  3. 用簡單的英語來說,泄漏如何整合並激發神經元? 它如何適應液體狀態機(如果您碰巧知道有點晦澀,我知道)。

如果您知道這些問題中的任何一個的答案,請隨時回答!

謝謝!

您的問題似乎很籠統(因此我認為是低票),但我將盡力向您解釋“泄漏的積分並發射”(LIF)神經元是什么。 您將不得不自行關聯Liquid State Machine的東西,因為我不是專家。

這樣設計LIF模型,以解釋電流如何相對於電壓變化 (反之亦然)。 這是對真實神經元中發生的事情的過度簡化,這意味着我們創建了一個模型,該模型基本上是RC電路 ,用於描述通過神經元發生的電化學相互作用。

LIF神經元的作用是告訴您,如果您向神經元輸入電流(I),它將變成電容性電流(Cm * dVm / dt)和電阻性電流(Vm / Rm)。

我們說“整合”,因為神經元將來自先前神經元的所有傳入輸入整合在一起。 我們使用“泄漏”一詞,因為該模型考慮到了隨着時間的推移它會泄漏一些積分輸入的事實(因為從本質上講,您通常會隨着漸進/指數變化而進入最終狀態)。

這是Gerstner的另一種解釋 ,可能更好。

暫無
暫無

聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

 
粵ICP備18138465號  © 2020-2024 STACKOOM.COM