右图: 电流
I
(
t
)
I(t)
I(t)给
R
C
RC
RC电路充电,电容(点)两端的电压
u
(
t
)
u(t)
u(t)与阈值
ϑ
ϑ
ϑ.进行比较。如果在
t
i
(
f
)
t_{i}^{(f)}
ti(f)时刻,
u
(
t
)
>
ϑ
u(t)>ϑ
u(t)>ϑ,会产生一个输出脉冲
δ
(
t
−
t
i
(
f
)
)
\delta (t-t_{i}^{(f)})
δ(t−ti(f))
左图:一个突触前脉冲
δ
(
t
−
t
j
(
f
)
)
\delta(t-t_{j}^{(f)})
δ(t−tj(f))被在突触处低通滤波,然后产生一个输入电流脉冲
α
(
t
−
t
j
(
f
)
)
\alpha(t-t_{j}^{(f)})
α(t−tj(f))
驱动电流被分成两部分
I
(
t
)
=
I
R
+
I
C
I(t)=I_{R}+I_{C}
I(t)=IR+IC,
I
R
I_{R}
IR是流经线性电阻R的阻性电流,
I
R
=
u
(
t
)
R
I_{R}=\frac{u(t)}{R}
IR=Ru(t):
I
C
I_{C}
IC给电容充电,
I
C
=
C
d
u
d
t
I_{C}=C\frac{du}{dt}
IC=Cdtdu:则
I
(
t
)
=
u
(
t
)
R
+
C
d
u
d
t
I(t)=\frac{u(t)}{R}+C\frac{du}{dt}
I(t)=Ru(t)+Cdtdu
泄露整合(leaky and integrate):
整个公式乘R,引入‘leaky integrator’的
τ
m
=
R
C
\tau_m=RC
τm=RC,则
τ
m
d
u
d
t
=
−
u
(
t
)
+
R
I
(
t
)
\tau_m\frac{du}{dt}=-u(t)+RI(t)
τmdtdu=−u(t)+RI(t)
在代码实现中,一般将微分方程转化为迭代形式,转化过程可见LIF神经元膜电压公式推导
发放(fire):
我们称u为膜电位,
τ
m
\tau_m
τm为神经元的膜时间常数。
t
(
f
)
t^{(f)}
t(f)为脉冲发放时间,定义如下
t
(
f
)
:
u
(
t
(
f
)
)
=
ϑ
t^{(f)}:u(t^{(f)})=ϑ
t(f):u(t(f))=ϑ
重置(reset):
t
(
f
)
t^{(f)}
t(f)之后,膜电位重置为一个新的值
u
r
<
ϑ
u_r<ϑ
ur<ϑ,
lim
t
→
t
(
f
)
,
t
>
t
(
f
)
u
(
t
)
=
u
r
\lim_{t \to t^{(f)},t>t^{(f)}} u(t)=u_{r}
t→t(f),t>t(f)limu(t)=ur
绝对不应期(absolute refractory period):
如果
u
u
u在时间
t
=
t
(
f
)
t = t^{(f)}
t=t(f)达到阈值,在绝对不应期
Δ
a
b
s
\Delta^{abs}
Δabs期间中断动力学,并在时间
t
(
f
)
+
Δ
a
b
s
t^{(f)}+\Delta^{abs}
t(f)+Δabs重置为新的初始状态
u
r
u_r
ur,
LIF神经元
最新推荐文章于 2024-08-14 09:13:16 发布