Integrate-And-Fire Models(转)
Integrate-And-Fire Models
基础知识
轴突:动作电位(电位差形成电流)=神经递质发放=脉冲产生
树突或细胞体:神经递质的接受=产生内外膜电位差(电流产生)=接收脉冲
脉冲编码:多采用平均发放率,计算在一段时间内的。
泄露电流(对于与LIF中的L(leaky)):生物概念,膜电压沿轴突传递过程中的损失,在硬件电路中用电阻代替。
概述
神经元动力学可以被设想为一个总和过程(有时也称为“集成”过程),并结合一种触发动作电位高于临界电压的机制。
一般来所,Vrest<Vth,当Vi(t)(对所有所输入求和后的所得到电压)上升到阈值θ时就会引起动作电位从而产生脉冲。发放的脉冲的形状是相似的,其传递的信息实质在于某时刻脉冲的有无。
动作电位被称为事件(忽视脉冲的形状)的神经元模型被称为IF模型。对于描述IF模型,我们需要两样东西:
1.膜电位Vi(t)的公式
2.产生脉冲的机制
LF模型
硬件模型:IF模型只有一个电容,没有并联的电阻,因为电阻实际等效于泄露电流,对应LIF模型。
LIF模型
当然我们侧重的并不是IF模型,而是 leaky integrate-and-fire模型(LIF),后者比前者更加接近真实的生物神经元,leaky表示泄露,由于细胞膜是不断进行膜内外离子的交换,所以当只有一次输入时,电压会自动发生泄漏逐渐回落到静息状态。对于LIF模型一般是认为先下降低于Vrest,再上升的静息电位处,而IF神经元一般是认为直接回落到静息状态处,这里涉及到一个reset电位。这里的reset可以看成输入一个短暂的电流脉冲
其中qr=C(ϑ−ur)为电容需要移除的电荷量,因为这是模电压直接由电容器的电压设定。
由右图知,由于导数存在无穷情况,会造成梯度问题。所欲不能直接使用。
左图黑色的对应上述的LIF响应,同时LIF的形状与ANNs中的激活函数relu和softplus等激活函数非常相似,relu对于LIF,加入白噪声后得到形状如soft LIF对应softplus
LIF响应公式
r(j)为firing rate,j为膜电压
LIF是真实神经元的简化版,拥有部分缺陷