Reconstruction, Identification and Implementation Methods for Spiking Neural Circuits

ویرایش: 1 
نویسندگان: Dorian Florescu (auth.)  
سری: Springer Theses 
ISBN (شابک) : 9783319570815, 9783319570808 
ناشر: Springer International Publishing 
سال نشر: 2017 
تعداد صفحات: 148 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 31,000



انگیزه این کار این است که این سوال باز ادامه دارد که چگونه اطلاعات در دنیای بیرون توسط مغز بازنمایی و پردازش می شود. در نتیجه، چندین روش جدید توسعه می‌یابد.

یک فرمول ریاضی جدید برای رمزگذاری و رمزگشایی سیگنال‌های آنالوگ با استفاده از مدل‌های نورون ادغام و آتش پیشنهاد شده است. بر اساس این فرمول، یک الگوریتم جدید، به طور قابل توجهی سریعتر از روش پیشرفته، برای بازسازی ورودی نورون پیشنهاد شده است.

دو روش شناسایی جدید برای مدارهای عصبی ارائه شده است که شامل یک فیلتر به صورت سری با مدل نورون اسپکینگ. این روش‌ها تعداد مفروضات ایجاد شده توسط چارچوب شناسایی پیشرفته را کاهش می‌دهند، و به طیف وسیع‌تری از مدل‌های مدارهای پردازش حسی اجازه می‌دهند که مستقیماً از مشاهدات ورودی-خروجی استنباط شوند.

سهم سوم، یک مشارکت است. الگوریتمی که توالی زمان سنبله تولید شده توسط یک مدل نورون ادغام و آتش را در پاسخ به خروجی یک فیلتر خطی، با توجه به ورودی فیلتر کدگذاری شده با همان مدل عصبی، محاسبه می‌کند.

This work is motivated by the ongoing open question of how information in the outside world is represented and processed by the brain. Consequently, several novel methods are developed.

A new mathematical formulation is proposed for the encoding and decoding of analog signals using integrate-and-fire neuron models. Based on this formulation, a novel algorithm, significantly faster than the state-of-the-art method, is proposed for reconstructing the input of the neuron.

Two new identification methods are proposed for neural circuits comprising a filter in series with a spiking neuron model. These methods reduce the number of assumptions made by the state-of-the-art identification framework, allowing for a wider range of models of sensory processing circuits to be inferred directly from input-output observations.

A third contribution is an algorithm that computes the spike time sequence generated by an integrate-and-fire neuron model in response to the output of a linear filter, given the input of the filter encoded with the same neuron model.

Front Matter....Pages i-xiv
Introduction....Pages 1-5
Time Encoding and Decoding in Bandlimited and Shift-Invariant Spaces....Pages 7-29
A Novel Framework for Reconstructing Bandlimited Signals Encoded by Integrate-and-Fire Neurons....Pages 31-57
A Novel Reconstruction Framework in Shift-Invariant Spaces for Signals Encoded with Integrate-and-Fire Neurons....Pages 59-80
A New Approach to the Identification of Sensory Processing Circuits Based on Spiking Neuron Data....Pages 81-112
A New Method for Implementing Linear Filters in the Spike Domain....Pages 113-124
Conclusions and Future Work....Pages 125-127
Back Matter....Pages 129-139