PL 
EnglishDomyślny
УкраїнськаImpulsowa sieć neuronowa
Sieć neuronów LIF (40 pobudzających + 10 hamujących) z plastycznością synaptyczną STDP. Przewijany wykres rastrowy i przebieg napięcia błonowego.
O symulatorze impulsowej sieci neuronowej
Ta symulacja uruchamia sieć 50 neuronów typu Leaky Integrate-and-Fire (LIF) — 40 pobudzających i 10 hamujących — połączonych rzadkimi, losowymi synapsami. Każdy neuron spełnia równanie τm·dV/dt = −(V − Vrest) + Rm·I, całkując sygnał wejściowy, aż V przekroczy próg −55 mV, po czym generuje impuls, resetuje się do −75 mV i wchodzi w 2-milisekundowy okres refrakcji. Przewijany wykres rastrowy oraz przebieg napięcia błonowego na żywo ujawniają dynamikę sieci.
Suwaki ustawiają zewnętrzny prąd pobudzający Iext, szum σ, sprzężenie synaptyczne g, stosunek neuronów pobudzających do hamujących oraz współczynniki uczenia STDP A+ i A−. Plastyczność zależna od czasu impulsów wzmacnia lub osłabia połączenia w zależności od kolejności impulsów, dzięki czemu wagi samoorganizują się z czasem. Takie sieci leżą u podstaw neuronauki obliczeniowej oraz neuromorficznego, sterowanego zdarzeniami sprzętu, który naśladuje sposób, w jaki prawdziwe mózgi obliczają za pomocą rzadkich impulsów.
Najczęściej zadawane pytania
Czym jest impulsowa sieć neuronowa?
Impulsowa sieć neuronowa modeluje neurony komunikujące się dyskretnymi impulsami elektrycznymi, czyli spike'ami, zamiast wartości ciągłych. Tutaj 50 neuronów typu Leaky Integrate-and-Fire gromadzi sygnał wejściowy w czasie i emituje impuls tylko wtedy, gdy napięcie błonowe przekroczy próg, naśladując sposób, w jaki rzeczywiście wyładowują się neurony biologiczne.
Co robi model LIF (Leaky Integrate-and-Fire)?
Model LIF traktuje neuron jako nieszczelny kondensator. Jego napięcie podlega równaniu τm·dV/dt = −(V − Vrest) + Rm·I, całkując sygnał wejściowy, jednocześnie przeciekając z powrotem w kierunku potencjału spoczynkowego. Gdy V osiągnie próg −55 mV, neuron wyładowuje impuls, resetuje się do −75 mV i wstrzymuje się na 2-milisekundowy okres refrakcji, zanim znów zacznie całkować.
Czym jest STDP i dlaczego ma to znaczenie?
Plastyczność zależna od czasu impulsów (STDP) dostosowuje wagi synaptyczne na podstawie dokładnego momentu wystąpienia impulsów przed- i posynaptycznych. Jeśli neuron presynaptyczny wyładowuje impuls tuż przed postsynaptycznym, połączenie się wzmacnia (potencjacja); jeśli tuż po, połączenie się osłabia (depresja). Ta reguła czasowa jest wiodącym biologicznym mechanizmem uczenia się i pamięci.
Co oznaczają statystyki częstości wyładowań, synchronii i okresu wybuchów?
Częstość wyładowań to średnia liczba impulsów na neuron na sekundę, w hercach. Synchronia to współczynnik zmienności zbinowanej aktywności populacji — wyższe wartości oznaczają, że neurony wyładowują impulsy razem, w wybuchach, a nie niezależnie. Okres wybuchu szacuje czas w milisekundach między wybuchami obejmującymi całą populację, widocznymi jako pionowe pasma na wykresie rastrowym.
Jak suwaki prądu wejściowego i szumu zmieniają zachowanie sieci?
Prąd wejściowy Iext (0–4 µA) ustala stały napęd popychający każdy neuron w stronę progu; wyższy prąd daje szybsze, gęstsze wyładowania. Suwak szumu σ dodaje losowe fluktuacje do sygnału wejściowego każdego neuronu, desynchronizując sieć i wytwarzając bardziej nieregularne, biologicznie realistyczne ciągi impulsów.
Co zmienia suwak stosunku E/I?
Suwak E/I ustala, ile neuronów pobudzających przypada na jeden neuron hamujący — od 1:1 do 8:1 (domyślnie 4:1, zgodnie z szacunkami korowymi). Synapsy pobudzające popychają cele w stronę wyładowania, a hamujące odciągają je od niego, więc ta równowaga silnie kształtuje to, czy aktywność jest stabilna, oscylacyjna, czy niekontrolowana.
Czym są parametry STDP A+ i A−?
A+ (domyślnie 0,01) to maksymalny krok potencjacji stosowany, gdy impuls presynaptyczny poprzedza postsynaptyczny, a A− (domyślnie 0,012) to maksymalny krok depresji dla odwrotnej kolejności. Oba są skalowane przez exp(−|Δt|/τ), gdzie τ = 20 ms, więc zmiany wag maleją wraz ze wzrostem odstępu czasowego między impulsami.
Dlaczego neurony wyładowują impulsy w synchronicznych wybuchach?
Synchroniczne wybuchy powstają dzięki pobudzeniu zwrotnemu: gdy kilka neuronów wyładowuje impulsy, ich prądy synaptyczne popychają sąsiednie neurony ponad próg, uruchamiając kaskadę w całej populacji. Hamowanie i okres refrakcji na chwilę uciszają sieć, zanim cykl się powtórzy, tworząc rytmiczne pionowe pasma widoczne na wykresie rastrowym.
Czy ta symulacja jest biologicznie dokładna?
Uwzględnia jakościowo najważniejsze elementy — nieszczelną integrację, wyładowanie progowe, refrakcję, synapsy wykładnicze i hebbowskie STDP — wykorzystując realistyczne skale milliwoltów i milisekund. Jest to jednak uproszczony model neuronu punktowego: pomija strukturę dendrytyczną, wiele kanałów jonowych, opóźnienia przewodzenia oraz bogatą różnorodność rzeczywistych typów komórek korowych.
Gdzie impulsowe sieci neuronowe są wykorzystywane w praktyce?
Sieci impulsowe stanowią podstawę badań z zakresu neuronauki obliczeniowej nad uczeniem się, pamięcią i rytmami mózgu, a także napędzają chipy neuromorficzne, takie jak Intel Loihi i IBM TrueNorth. Ponieważ obliczają za pomocą rzadkich, sterowanych zdarzeniami impulsów, obiecują bardzo energooszczędne uczenie maszynowe dla urządzeń brzegowych, robotyki i przetwarzania sensorycznego w czasie rzeczywistym.
Sieć neuronów LIF (40 pobudzających + 10 hamujących) z plastycznością synaptyczną STDP. Przewijany wykres rastrowy i przebieg napięcia błonowego.
2D · HTML5 Canvas 2D · cel 60 FPS · działa w całości po stronie klienta, bez instalacji