Izhikevich 神经元模型是否使用权重？

Question

我一直在研究神经网络，我对实现尖峰神经元模型很感兴趣。

我已经阅读了大量教程，但其中大部分似乎是关于生成脉冲的，我还没有发现它在给定的输入序列上的任何应用。

比如说我得到了输入训练：

Input[0] = [0,0,0,1,0,0,1,1]

它进入 Izhikevich 神经元，输入是乘以权重还是只使用参数 a、b、c 和 d？

Izhikevich 方程为：

v[n+1] = 0.04*v[n]^2 + 5*v[n] + 140 - u[n] + I
u[n+1] = a*(b*v[n] - u[n])

其中 v[n] 是输入电压，u[n] 是一般恢复变量。

是否有任何关于 Izhikevich 或类似脉冲神经元模型在实际问题上的实现的文本？我试图了解信息是如何在这个模型上编码的，但它看起来与标准第二代神经元所做的不同。我发现它处理尖峰火车和一组权重的唯一教程是 [1]，但我没有看到与 Izhikevich 相同的教程。

[1]https://msdn.microsoft.com/en-us/magazine/mt422587.aspx

Answer 1

简单的 Izhikevich 模型本身不包括权重。

您提到的两个方程模拟了一个点神经元随时间变化的膜电位 (v[])。要使用权重，您可以使用 synapses 连接两个或更多这样的细胞。

每个突触可以包括源细胞（突触前）的某种尖峰检测机制，以及目标（突触后）细胞侧的突触电流机制。然后可以将该突触电流乘以 weight 项，然后成为目标细胞的I 项（在上面的第一个等式中）的一部分。

作为两个单元网络的一个非常简单的示例，在每个时间步，您可以检查前单元 v 是否高于（例如）0 mV。如果是这样，将（比如说）0.01 pA * weightPrePost 注入后电池。 weightPrePost 的范围从 0 到 1，并且可以根据触发率或类似 STDP 中的类似 Hebbian 的尖峰同步等因素进行修改。

随着多个突触电流进入一个细胞，您可以设计各种方案来对它们求和。最简单的只是一个简单的总和，更复杂的可能包括距离和树突直径（例如模拟神经形态）。

本章很好地介绍了对突触建模的其他方法：Modelling Synaptic Transmission