Эффект захвата фазы в модели спайковой нейронной сети с контекст-зависимой архитектурой связей
- Авторы: Маковкин С.Ю.1, Кастальский И.А.1,2,3
-
Учреждения:
- Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского
- Московский физико-технический институт (национальный исследовательский университет)
- Самарский государственный медицинский университет
- Выпуск: Том 18, № 4 (2023)
- Страницы: 858-861
- Раздел: Материалы конференции
- URL: https://journal-vniispk.ru/2313-1829/article/view/256391
- DOI: https://doi.org/10.17816/gc623436
- ID: 256391
Цитировать
Открытый доступ
Доступ предоставлен
Только для подписчиков
Аннотация
Изучение нелинейных процессов в системах мозга с позиций колебательно-волнового подхода в настоящее время является одним из актуальных направлений изучения механизмов генерации и обработки сигналов в мозге. Такие исследования могут помочь в реализации различных феноменов, таких как механизм ассоциативной памяти, на основе сетевых моделей биологически релевантных нейронов. В данной работе предложена архитектура нейронной сети для решения прикладных задач: фильтрации сигналов, обработки и распознавания информационных образов. С помощью реализованных механизмов по неполным фрагментам можно извлекать и полностью восстанавливать объекты из памяти. Каждый нейрон такой нейронной сети представляет собой биофизическую модель Ходжкина–Хаксли с модификацией Мэйнена, динамика которого наиболее правдоподобно воспроизводит процессы в нейронных клетках мозга.
При исследовании одиночных нейронов на них подавался постоянный внешний ток различной амплитуды. Были определены средние периоды автоколебаний, обнаружены значения параметров, соответствующие бифуркации Андронова–Хопфа. Обнаружено, что динамика нейрона Ходжкина–Хаксли–Мэйнена имеет гистерезис: при увеличении и уменьшении тока смещения устойчивый предельный цикл рождается и разрушается по разным сценариям. Устойчивый предельный цикл рождается через бифуркацию Андронова–Хопфа, а разрушается через седло-узловую бифуркацию на цикле.
Выявлены области параметров, соответствующие синхронизации двух нейронов при возбуждающей и тормозной синаптической связи. Все нейроны находились в автоколебательном режиме с наличием устойчивого предельного цикла в фазовом пространстве.
Построена трёхслойная нейронная сеть, состоящая из опорного нейрона, слоя сенсорных, слоя контрольных и слоя интернейронов. Связи контрольного и промежуточного слоя организованы по правилу Хебба.
Обнаружены области возбуждения для различных типов нейронов.
С помощью построенной нейронной сети проведены эксперименты по распознаванию бинарных информационных паттернов, кодируемых фазой сигнала. Образы в памяти кодировались с помощью распределения возбуждающих и тормозных синаптических связей. Динамически паттерны определяются синфазным или противофазным режимом захвата фазы (фазовой синхронизацией относительно глобального ритма). Перед попаданием на контрольный (выходной) слой нейронов сигналы суммируются на слое интернейронов с сигналом опорного нейрона, в результате чего фильтруется определённый информационный сегмент (синфазный или противофазный). После проведённой настройки параметров сеть правильно распознала паттерны.
Были найдены области фазовой синхронизации нейронов, используя которые, можно управлять режимами активности сети. Подтверждена возможность существования режимов захвата фазы и распознавания образов с помощью нейронов Ходжкина–Хаксли–Мэйнена.
Итого в результате выполнения проекта по моделированию спайковой нейронной сети:
1) рассчитаны двухпараметрические диаграммы регионов возбуждения нейронов в различных режимах;
2) использован эффект возбуждающей и тормозной связи в синаптических токах для представления входного сигнала;
3) перенесён абстрактный математический алгоритм расчёта матрицы Хебба в реализацию синаптических токов между слоями нейронов;
4) использован эффект фазовых кластеров для представления выходного паттерна;
5) использована реально существующая топология нейронов зрительно-мозгового отдела в качестве работающей модели сети Хопфилда на спайковой нейронной сети с правилом Хебба для задачи распознавания графических образов.
Ключевые слова
Полный текст
Изучение нелинейных процессов в системах мозга с позиций колебательно-волнового подхода в настоящее время является одним из актуальных направлений изучения механизмов генерации и обработки сигналов в мозге. Такие исследования могут помочь в реализации различных феноменов, таких как механизм ассоциативной памяти, на основе сетевых моделей биологически релевантных нейронов. В данной работе предложена архитектура нейронной сети для решения прикладных задач: фильтрации сигналов, обработки и распознавания информационных образов. С помощью реализованных механизмов по неполным фрагментам можно извлекать и полностью восстанавливать объекты из памяти. Каждый нейрон такой нейронной сети представляет собой биофизическую модель Ходжкина–Хаксли с модификацией Мэйнена, динамика которого наиболее правдоподобно воспроизводит процессы в нейронных клетках мозга.
При исследовании одиночных нейронов на них подавался постоянный внешний ток различной амплитуды. Были определены средние периоды автоколебаний, обнаружены значения параметров, соответствующие бифуркации Андронова–Хопфа. Обнаружено, что динамика нейрона Ходжкина–Хаксли–Мэйнена имеет гистерезис: при увеличении и уменьшении тока смещения устойчивый предельный цикл рождается и разрушается по разным сценариям. Устойчивый предельный цикл рождается через бифуркацию Андронова–Хопфа, а разрушается через седло-узловую бифуркацию на цикле.
Выявлены области параметров, соответствующие синхронизации двух нейронов при возбуждающей и тормозной синаптической связи. Все нейроны находились в автоколебательном режиме с наличием устойчивого предельного цикла в фазовом пространстве.
Построена трёхслойная нейронная сеть, состоящая из опорного нейрона, слоя сенсорных, слоя контрольных и слоя интернейронов. Связи контрольного и промежуточного слоя организованы по правилу Хебба.
Обнаружены области возбуждения для различных типов нейронов.
С помощью построенной нейронной сети проведены эксперименты по распознаванию бинарных информационных паттернов, кодируемых фазой сигнала. Образы в памяти кодировались с помощью распределения возбуждающих и тормозных синаптических связей. Динамически паттерны определяются синфазным или противофазным режимом захвата фазы (фазовой синхронизацией относительно глобального ритма). Перед попаданием на контрольный (выходной) слой нейронов сигналы суммируются на слое интернейронов с сигналом опорного нейрона, в результате чего фильтруется определённый информационный сегмент (синфазный или противофазный). После проведённой настройки параметров сеть правильно распознала паттерны.
Были найдены области фазовой синхронизации нейронов, используя которые, можно управлять режимами активности сети. Подтверждена возможность существования режимов захвата фазы и распознавания образов с помощью нейронов Ходжкина–Хаксли–Мэйнена.
Итого в результате выполнения проекта по моделированию спайковой нейронной сети:
1) рассчитаны двухпараметрические диаграммы регионов возбуждения нейронов в различных режимах;
2) использован эффект возбуждающей и тормозной связи в синаптических токах для представления входного сигнала;
3) перенесён абстрактный математический алгоритм расчёта матрицы Хебба в реализацию синаптических токов между слоями нейронов;
4) использован эффект фазовых кластеров для представления выходного паттерна;
5) использована реально существующая топология нейронов зрительно-мозгового отдела в качестве работающей модели сети Хопфилда на спайковой нейронной сети с правилом Хебба для задачи распознавания графических образов.
ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ
Вклад авторов. Все авторы подтверждают соответствие своего авторства международным критериям ICMJE (все авторы внесли существенный вклад в разработку концепции, проведение исследования и подготовку статьи, прочли и одобрили финальную версию перед публикацией).
Источник финансирования. Авторы заявляют об отсутствии внешнего финансирования при проведении исследования.
Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.
Об авторах
С. Ю. Маковкин
Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского
Автор, ответственный за переписку.
Email: makovkin@neuro.nnov.ru
Россия, Нижний Новгород
И. А. Кастальский
Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского; Московский физико-технический институт (национальный исследовательский университет); Самарский государственный медицинский университет
Email: makovkin@neuro.nnov.ru
Россия, Нижний Новгород; Москва; Самара
Список литературы
- Hodgkin A.L., Huxley A.F. A quantitative description of membrane current and its application to conduction and excitation in nerve // J Physiol. 1952. Vol. 117, N 4. P. 500–544. doi: 10.1113/jphysiol.1952.sp004764
- Makovkin S.Y., Shkerin I.V., Gordleeva S.Y., Ivanchenko M.V. Astrocyte-induced intermittent synchronization of neurons in a minimal network // Chaos, Solitons & Fractals. 2020. Vol. 138. P. 109951. doi: 10.1016/j.chaos.2020.109951
- Gordleeva S.Y., Ermolaeva A.V., Kastalskiy I.A., Kazantsev V.B. Astrocyte as spatiotemporal integrating detector of neuronal activity // Front Physiol. 2019. Vol. 10. P. 294. doi: 10.3389/fphys.2019.00294
- Tsybina Y., Kastalskiy I., Krivonosov M., et al. Astrocytes mediate analogous memory in a multi-layer neuron–astrocyte network // Neural Comput & Applic. 2022. V. 34. P. 9147–9160. doi: 10.1007/s00521-022-06936-9
- Makovkin S., Kozinov E., Ivanchenko M., Gordleeva S. Controlling synchronization of gamma oscillations by astrocytic modulation in a model hippocampal neural network // Sci Rep. 2022. Vol. 12, N 1. P. 6970. doi: 10.1038/s41598-022-10649-3
Дополнительные файлы
