本文主要介紹SNN的神經(jīng)元模型Leaky Intergrate and Fired Model
一集嵌、引言
SNN與ANN最主要的不同就是使用離散的脈沖信號替代ANN網(wǎng)絡(luò)中傳播的連續(xù)的模擬信號。為了在這種網(wǎng)絡(luò)結(jié)構(gòu)上產(chǎn)生脈沖信號蹂窖，SNN使用了更加復(fù)雜也更加貼近于生物的神經(jīng)元模型，目前使用最多的是Leakyintegrity-Fire（LIF）模型恩敌。對于這類神經(jīng)元模型來說瞬测，輸入信號直接影響的是神經(jīng)元的狀態(tài)（膜電位），只有當(dāng)膜電位上升到閾值電位時纠炮，才會產(chǎn)生輸出脈沖信號月趟。
該模型利用給定神經(jīng)元的神經(jīng)元動作電位總是具有大致相同的形式這一事實(shí)。如果動作電位的形狀總是相同的恢口，那么這個形狀就不能用來傳遞信息：而是包含在有或沒有尖峰的情況下孝宗。因此，動作電位被還原為發(fā)生在精確時刻的“事件”耕肩。
二因妇、一些基本概念
- 膜電勢：細(xì)胞膜兩側(cè)的電位差，在神經(jīng)細(xì)胞通訊中起到重要作用猿诸。當(dāng)膜電勢超過閾值時發(fā)放脈沖
- 靜息電位：神經(jīng)元處于極化狀態(tài)婚被，是細(xì)胞膜電位的常態(tài)
- 動作電位：細(xì)胞接收外界刺激，細(xì)胞膜兩側(cè)離子快速跨膜運(yùn)動梳虽，引起膜電位變化
- 超極化：是指跨膜電位處于較原來的參照狀態(tài)(如靜息狀態(tài))下的跨膜電位更負(fù)（膜電位的絕對值更高）的狀態(tài)址芯。
- 去極化：去極化是指跨膜電位處于較原來的參照狀態(tài)下的跨膜電位更正（膜電位的絕對值較低）的狀態(tài)。
三窜觉、模型背景
Leaky指泄露谷炸，表示如果神經(jīng)元輸入只有一個時，不足以讓膜電勢超過閾值禀挫，由于細(xì)胞膜不斷進(jìn)行膜內(nèi)外離子交換旬陡，膜電勢會自動發(fā)生泄露逐漸回落到靜息狀態(tài)；
Integrate指積分特咆，表示神經(jīng)元會接受所有與該神經(jīng)元相連的軸突末端(上一個神經(jīng)元)到來的脈沖季惩；
Fire指激發(fā)录粱，表示當(dāng)膜電勢超過閾值時，神經(jīng)元會發(fā)送脈沖画拾。神經(jīng)元發(fā)送脈沖后會進(jìn)入超計(jì)劃狀態(tài)啥繁，然后是不應(yīng)期，在不應(yīng)期內(nèi)即使給予刺激也不會反應(yīng)青抛，即神經(jīng)元不再接受刺激旗闽，保持靜息電位。
所以LIF模型的任務(wù)就是建模膜電勢隨時間以及外界輸入的變化情況蜜另。為了方便解釋LIF神經(jīng)元模型中的一些變量适室，可以查看HH模型。
Leaky Integrate and Fire neurons簡稱LIF模型举瑰，是一種對HH模型的最基礎(chǔ)的簡化捣辆。但不是單純的省略變量。該模型不去刻意的描述動作電位的形狀此迅。為了得到瞬時電壓與輸入電流的關(guān)系汽畴，使用電學(xué)理論的基本理論來解釋該問題。一個神經(jīng)元被細(xì)胞膜包圍耸序，細(xì)胞膜是很好的絕緣體忍些。如果想神經(jīng)元注射電流，那么附加的電荷
必須到達(dá)一個地方：它會給細(xì)胞膜充電坎怪。因此罢坝，細(xì)胞膜就像一個電容器。因?yàn)榻^緣體不完美搅窿，所以隨著時間的推移嘁酿，電荷會慢慢地從細(xì)胞膜漏出，因此細(xì)胞膜可以用有限的泄露電阻表示男应”韵桑基本的表示LIF模型的電回路由電容C CC和一個由I II驅(qū)動的電阻R RR并聯(lián)而成。
如果驅(qū)動電流消失殉了，則整個電容器的電壓由UresU_{res}Ures
提供。為了分析電路拟枚，我們利用電流守恒定律薪铜，將驅(qū)動電流分成兩部分：
四、模型公式
五恩溅、LIF模型中同時學(xué)習(xí)網(wǎng)絡(luò)連接關(guān)系和網(wǎng)絡(luò)連接權(quán)重
jointly learning network connections and link weights in spiking neural networks
