Математическая биология и биоинформатика
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Импакт-фактор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Матем. биология и биоинформ.:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Математическая биология и биоинформатика, 2019, том 14, выпуск 2, страницы 649–664
DOI: https://doi.org/10.17537/2019.14.649
(Mi mbb409)
 

Эта публикация цитируется в 3 научных статьях (всего в 3 статьях)

Математическое моделирование

Обобщенная память спайковой нейронной сети с STDP пластичностью

С. А. Лобов

Нижегородский государственный университет им. Н. И. Лобачевского, Россия
Список литературы:
Аннотация: Представлена модель памяти, основанная на импульсной нейронной сети с STDP пластичностью. Запись информации в модели осуществляется с помощью внешней стимуляции участка нейронной сети. Процесс воспроизведения памяти представляет собой функциональный ответ в виде популяционных пачек импульсов, синхронизированных с наносимой стимуляцией. Показано, что STDP-опосредованные перестройки способны кодировать локализацию наносимой стимуляции, при этом фокус стимуляции формирует исток векторного поля синаптических связей. На основе характеристик данного поля предложена мера обобщенной сетевой памяти.
В условиях повторных стимуляций может наблюдаться эффект ускорения формирования функционального ответа сети. При этом полученная усредненная кривая обучения и зависимость обобщенной памяти от номера стимуляции характеризуются степенной зависимостью. Показано, что максимальное время достижения функционального ответа определяется обобщенной памятью, оставшейся в результате предыдущих стимуляций. Таким образом ниспадающие кривые обучения обусловлены наличием неполного забывания предыдущих воздействий.
Исследована надежность обобщенной сетевой памяти, выражающаяся во времени хранения следов памяти после прекращения внешней стимуляции. Показано, что надежность памяти зависит от уровня нейронного шума, причем данная зависимость также носит степенной характер. Обнаружено, что ключевую роль в поддержании обобщенной сетевой памяти играют хабы – нейроны, способные инициировать генерацию популяционных пачек импульсов при отсутствии шума. Включение нейронного шума приводит к возникновению случайных пачек, инициированных нейронами, не являющимися хабами. Данная шумовая активность разрушает следы памяти и приводит к снижению ее надежности.
Ключевые слова: популяционные пачки импульсов, сетевая синхронизация, синаптическая пластичность, структурно-функциональные перестройки, кривые обучения, нейрон-хаб, векторное поле весов связей, надежность памяти, нейронный шум.
Финансовая поддержка Номер гранта
Российский фонд фундаментальных исследований 18-29-10068 мк
Работа выполнена при поддержке гранта РФФИ № 18-29-10068 мк.
Материал поступил в редакцию 04.09.2019, 11.12.2019, опубликован 23.12.2019
Тип публикации: Статья
УДК: 51–76
Образец цитирования: С. А. Лобов, “Обобщенная память спайковой нейронной сети с STDP пластичностью”, Матем. биология и биоинформ., 14:2 (2019), 649–664
Цитирование в формате AMSBIB
\RBibitem{Lob19}
\by С.~А.~Лобов
\paper Обобщенная память спайковой нейронной сети с STDP пластичностью
\jour Матем. биология и биоинформ.
\yr 2019
\vol 14
\issue 2
\pages 649--664
\mathnet{http://mi.mathnet.ru/mbb409}
\crossref{https://doi.org/10.17537/2019.14.649}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/mbb409
  • https://www.mathnet.ru/rus/mbb/v14/i2/p649
  • Эта публикация цитируется в следующих 3 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Статистика просмотров:
    Страница аннотации:224
    PDF полного текста:251
    Список литературы:31
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024