随机平衡神经网络中的非正态放大
摘要：大规模随机神经网络的自发活动中，非正常放大和动态减速之间存在一种权衡。在神经网络的重复连接矩阵W中存在临界附近特征值时，会产生沿相应特征向量的大幅但缓慢的活动波动（动态减缓）。而非正常放大依赖于W是非正常的，这样网络活动就可以沿特定方向进行大幅但快速的回旋。在这里，我们研究了由兴奋性和抑制性神经元组成的大规模随机神经网络的自发活动中非正常放大和动态减缓之间的权衡。我们使用W的Schur分解来分开这两种放大机制。在假设线性随机动力学的情况下，我们导出了纯非正常放大量的精确表达式。我们发现，如果动态减速必须保持较弱，放大将受到极大限制。我们得出结论，为了在减速较小的情况下获得强烈的瞬时放大，连接必须具有结构。我们表明，在相同类型的神经元之间存在单向连接以及不同类型的神经元之间的互换连接时，即使在快速动态区域，放大也是可能的。最后，我们的研究结果还揭示了平衡网络和抑制占优的网络之间的差异。
作者：Guillaume Hennequin, Tim P. Vogels, Wulfram Gerstner
论文ID：1204.2945
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2012-07-31