神经元模型中的时间相关性学习
摘要：基于入射脉冲与 postsynaptic 神经元内部状态之间的时间相关性（由学习核加权），我们研究了一种学习规则，该规则构建在之前的脉冲时序相关突触可塑性研究的基础上（引用[1,2,3]）。我们对突触权重 $w_{ij}$ 的学习规则如下：$$ \dot{w}_{ij}(t) = \epsilon \int_{-\infty}^{\infty} \frac{1}{T_l} \int_{t-T_l}^{t} \sum_{\mu} \delta(a u + s - t_{j,\mu}) u(a u) d(a u) \Gamma(s) d s,$$ 其中 $t_{j,\mu}$ 是来自 presynaptic 神经元 $j$ 的脉冲到达时间，函数 $u(t)$ 描述了 postsynaptic 神经元 $i$ 的状态。因此，内积中包含的脉冲触发平均值被核函数 $\Gamma(s)$ 加权，该学习窗口对于 post- 和 presynaptic 活动之间的时间差 $s$ 的正值是负的，负值是负的。对于学习窗口的反对称性假设使我们能够推导出一类常见神经元模型的解析表达式，并研究突触权重变化导致的输入-输出关系的变化。这是一个真正的非线性效应（引用[4]）。
作者：Juergen Jost
论文ID：q-bio/0511012
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2007-05-23