- •Факультет вычислительной математики и кибернетики
- •Кафедра математического обеспечения ЭВМ
- •Введение
- •1. Возможные модели функционирования биологической нейронной сети
- •2. Математические модели, положенные в основу рассматриваемого подхода
- •2.1. Изменение мембранного потенциала
- •2.2. Кратковременная синаптическая пластичность
- •2.3. Долговременная синаптическая пластичность
- •3. Программная реализация
- •4. Повышение производительности вычислений
- •Заключение
- •Литература
- •Приложение
2. Математические модели, положенные в основу рассматриваемого подхода
2.1. Изменение мембранного потенциала
Для моделирования динамики изменения трансмембранного потенциала нейрона можно использовать феноменологические модели с различной степенью детализации. В данной работе была рассмотрена одна из таких моделей, носящая имя Ижикевича [7, 8]. Эту модель можно описать в виде следующей системы ОДУ:
dVdt = 0.04V 2 +5V +140 −u + I,
du = a(bV −u)
dt
spike! , if V ≥ +30mV , then V = c,
u = u +d
где
V – трансмембранный потенциал; u – вспомогательная переменная; a, b, c, d – параметры модели.
При рассмотрении данной модели предполагается, что прикладывается ток I . В качестве такого тока в данном синаптического тока Isyn и тока нейронного шума Inoise, то есть
(1)
(2)
мембране нейрона извне случае выступает сумма
I = Isyn + Inoise |
(3) |
При достижении потенциалом 30 мВ констатируется событие «спайк» (по-другому – потенциал действия, нервный импульс) и переменные сбрасываются до значений, описанных в формулах (2).
Синаптический ток Isyn |
вычисляется как сумма взвешенных выходных сигналов |
нейронов, посылающих связи к данному нейрону: |
|
Isyn = ∑wi gi yi (t) , |
(4) |
i |
|
где
wi – вес связи c i - ым нейроном;
gi – коэффициент трансформации выходного сигнала (медиатора, выброшенного в синапс) в трансмембранный ток, вызванный приходом этого сигнала;
yi (t) – выходной сигнал i - ого нейрона в момент времени t .
7
Если i-й нейрон возбуждающий, то gi является положительной величиной, если тормозной – отрицательной.
В качестве шумового тока Inoise генерируется белый шум Гаусса, величину которого целесообразно изменять в процессе проведения экспериментов.
Варьируя параметры модели a, b, c, d , можно моделировать нейроны различных типов. Типичные значения параметров, которые использовались при изучении модели, приведены в
Таблице 1.
Таблица 1. Примеры значений параметров в модели Ижикевича
a |
b |
c |
d |
0.02 |
0.2 |
-65 |
8 |
0.05 |
0.3 |
-67 |
5 |
0.03 |
0.7 |
-70 |
6 |
2.2.Кратковременная синаптическая пластичность
Вбиологический нейронах генерация спайка на мембране приводит к выбросу нейромедиаторов в синапсах (межнейронных соединениях), которые, в свою очередь, приводят к изменению потенциала на постсинаптическом нейроне. Далее это изменение может приводить к увеличению (в случае возбуждающего медиатора) или уменьшению (если медиатор тормозной) вероятности генерации спайка на постсинаптическом нейроне. Таким образом, выбрасываемый в синапсах нейромедиатор можно рассматривать в качестве выходного сигнала нейрона. В отличие от нервных импульсов, генерируемых по принципу «всё или ничего» и имеющих практически одинаковую амплитуду, количество выбрасываемого медиатора сильно зависит от предыдущих «залпов». В зависимости от частоты, может наблюдаться увеличение (фасилитация) или уменьшение (депрессия) его количества (рис. 1). Предложено несколько моделей такой зависимости, носящей название
кратковременной синаптической пластичности. В данной работе была рассмотрена модель, предложенная Содиксом и Маркрамом [5]:
dx |
= |
|
|
|
z |
|
−uxδ(t −tsp ), |
||||
dt |
|
τ |
rec |
||||||||
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
||||
dy |
= − |
|
y |
|
+uxδ(t −tsp ), |
||||||
|
|
|
|
|
|||||||
τI |
|
||||||||||
dt |
|
|
|
|
|
|
(5) |
||||
|
|
|
|
y |
|
|
|
||||
dz |
= |
|
|
− |
z |
, |
|||||
|
|
|
|
||||||||
dt |
|
τI |
|
|
|
|
τrec |
||||
|
|
|
|
|
|
u |
|
|
|
||
du |
= |
|
|
|
|
|
+U(1−u)δ(t −tsp ) |
||||
|
τ |
|
|
|
|
|
|||||
dt |
|
|
|
facil |
|
|
|||||
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
8 |
где
x, y, z – доли синаптического ресурса (медиатора), находящегося соответственно в восстановленном, активном и инактивированном состоянии;
u– переменная, отвечающая за частотно-зависимое усиление/депрессию;
τrec , τI , τ facil – характерные времена динамики синапса;
tsp – время фиксации нервного импульса.
Примеры значений параметров: U = 0.5 , τrec = 400 , τI = 3, τ facil =1000 .
Таким образом, переменная y описывает долю медиатора, выброшенного в синаптическую щель и действующего на постсинаптический нейрон. Её удобно рассматривать в качестве выходного сигнала нейрона в момент времени t .
Рис. 1. Пример динамики выходного сигнала нейрона.
Сначала нейрон «стимулировался» 5 импульсами с частотой 10 Гц, затем через 400 мс – еще 1 импульс.
2.3. Долговременная синаптическая пластичность
Под долговременной синаптической пластичностью, как правило, понимают изменения в силе связей между нейронами, приводящие к изменениям в передачи сигналов от одних нейронам к другим и длящиеся достаточно долгое время (часы и дни). Экспериментально показана возможность долговременной потенциации (LTP) и депрессии
(LTD).
При моделировании долговременной синаптической пластичности чаще всего пользуются так правилом Хебба [3], реализованным в виде так называемого STDP (Spiketiming depended plasticity). STDP можно определить как зависимость изменения связи между
9
пре- и постсинаптическим нейронами от соотношения времён обнаружения на них нервных импульсов (спайков). Если спайк пресинаптического нейрона привел к генерации спайка на постсинпаптическом, то связь между этими двумя нейронами усиливается. Если же постсинаптический нейрон генерирует спайк раньше пресинаптического – связь между ними ослабляется.
В работе была рассмотрена реализация STDP с помощью локальных переменных, предложенная Мориссоном с соавторами [3], которую иллюстрируют графики на рис. 2. На нём показаны нервные импульсы пресинаптического нейрона x j ()t ( j – индекс соответствующего спайка), выходные сигналы постсинаптического нейрона yi (t), а также вес связи между ними wij (t) в различные моменты времени t .
Рис. 2. Реализация STDP с помощью локальных переменных
10