UK 
EnglishТипова
PolskiІмпульсна Нейронна Мережа
Мережа LIF-нейронів (40 збуджуючих + 10 гальмівних) зі STDP-пластичністю. Прокручуваний растерний графік та крива мембранного потенціалу.
Про симулятор імпульсної нейронної мережі
Ця симуляція запускає мережу з 50 нейронів типу Leaky Integrate-and-Fire (LIF) — 40 збуджувальних і 10 гальмівних — з'єднаних розрідженими випадковими синапсами. Кожен нейрон підпорядковується рівнянню τm·dV/dt = −(V − Vrest) + Rm·I, накопичуючи вхідний сигнал, доки V не перетне поріг −55 мВ, після чого генерується спайк, потенціал скидається до −75 мВ, і нейрон входить у 2-мілісекундний рефрактерний період. Прокручуваний растровий графік і крива мембранного потенціалу в реальному часі відображають цю динаміку.
Повзунки задають зовнішній струм збудження Iext, шум σ, синаптичну зв'язність g, співвідношення збуджувальних і гальмівних нейронів, а також швидкості навчання STDP A+ та A−. Пластичність, залежна від часу спайків (STDP), підсилює або послаблює зв'язки залежно від порядку спайків, тож ваги самоорганізуються з часом. Такі мережі лежать в основі обчислювальної нейронауки та нейроморфного, подієво-керованого апаратного забезпечення, що імітує те, як реальний мозок обчислює за допомогою розріджених спайків.
Часті запитання
Що таке імпульсна нейронна мережа?
Імпульсна нейронна мережа моделює нейрони, які обмінюються інформацією за допомогою дискретних електричних імпульсів, або спайків, а не неперервних значень. Тут 50 нейронів Leaky Integrate-and-Fire накопичують вхідний сигнал з часом і генерують спайк лише тоді, коли їхній мембранний потенціал перетинає поріг, імітуючи те, як насправді спрацьовують біологічні нейрони.
Що робить модель LIF (Leaky Integrate-and-Fire)?
Модель LIF розглядає нейрон як конденсатор із витоком. Його напруга підпорядковується рівнянню τm·dV/dt = −(V − Vrest) + Rm·I, накопичуючи вхідний сигнал і водночас «просочуючись» назад до потенціалу спокою. Коли V досягає порогу −55 мВ, нейрон генерує спайк, скидається до −75 мВ і призупиняється на 2-мілісекундний рефрактерний період, перш ніж знову почати накопичення.
Що таке STDP і чому це важливо?
Пластичність, залежна від часу спайків (STDP), регулює синаптичні ваги на основі точного часу пре- та постсинаптичних спайків. Якщо пресинаптичний нейрон спрацьовує безпосередньо перед постсинаптичним, зв'язок посилюється (потенціація); якщо він спрацьовує одразу після, зв'язок послаблюється (депресія). Це правило часового впорядкування є провідним біологічним механізмом навчання та пам'яті.
Що означають показники частоти спрацювання, синхронності та періоду сплесків?
Частота спрацювання — це середня кількість спайків на нейрон за секунду в герцах. Синхронність — це коефіцієнт варіації активності популяції, розбитої на біни — вищі значення означають, що нейрони спрацьовують разом сплесками, а не незалежно. Період сплеску оцінює час у мілісекундах між загальнопопуляційними сплесками, видимими як вертикальні смуги на растровому графіку.
Як повзунки вхідного струму та шуму змінюють поведінку?
Вхідний струм Iext (0–4 мкА) задає постійне збудження, що підштовхує кожен нейрон до порогу; вищий струм спричиняє швидше, щільніше спрацювання. Повзунок шуму σ додає випадкові коливання до вхідного сигналу кожного нейрона, десинхронізуючи мережу та створюючи більш нерегулярні, біологічно реалістичні послідовності спайків.
Що змінює регулятор співвідношення E/I?
Повзунок E/I задає, скільки збуджувальних нейронів припадає на один гальмівний, від 1:1 до 8:1 (за замовчуванням 4:1, що відповідає оцінкам для кори мозку). Збуджувальні синапси підштовхують цілі до спрацювання, тоді як гальмівні відштовхують їх від порогу, тож цей баланс сильно визначає, чи буде активність стабільною, осциляційною, чи вибуховою.
Що таке параметри STDP A+ та A−?
A+ (за замовчуванням 0.01) — це максимальний крок потенціації, що застосовується, коли пресинаптичний спайк передує постсинаптичному, а A− (за замовчуванням 0.012) — максимальний крок депресії для зворотного порядку. Обидва масштабуються за формулою exp(−|Δt|/τ) із τ = 20 мс, тож зміни ваги зменшуються зі збільшенням часового розриву між спайками.
Чому нейрони спрацьовують синхронними сплесками?
Синхронні сплески виникають через рекурентне збудження: коли кілька нейронів спрацьовують, їхні синаптичні струми підштовхують сусідів за поріг, залучаючи каскад по всій популяції. Гальмування та рефрактерний період потім ненадовго «замовкають» мережу, перш ніж цикл повториться, створюючи ритмічні вертикальні смуги на растровому графіку.
Чи біологічно точна ця симуляція?
Вона відтворює якісну суть витокової інтеграції, порогового спрацювання, рефрактерності, експоненційних синапсів і хеббівської STDP, використовуючи реалістичні мілівольтові та мілісекундні масштаби. Проте це спрощена точкова модель нейрона: вона не враховує дендритну структуру, численні іонні канали, затримки проведення сигналу та багате різноманіття реальних кіркових типів клітин.
Де імпульсні нейронні мережі використовуються в реальному світі?
Імпульсні мережі лежать в основі досліджень обчислювальної нейронауки щодо навчання, пам'яті та мозкових ритмів, а також живлять нейроморфні чипи, такі як Intel Loihi та IBM TrueNorth. Оскільки вони обчислюють за допомогою розріджених, подієво-керованих спайків, вони обіцяють дуже енергоефективне машинне навчання для периферійних пристроїв, робототехніки та обробки сенсорних даних у реальному часі.