|
|
Detection and analysis of polychronous groups emerging in spiking neural network models.
Šťastný, Bořek ; Brom, Cyril (advisor) ; Moudřík, Josef (referee)
How is information represented in real neural networks? Experimental results continue to provide evidence for presence of spiking patterns in network activity. The concept of polychronous groups attempts to explain these results by proposing that neurons group together to fire in non- synchronous but precise time-locked chains. Several methods for the detection of such groups have been proposed, however, they all employ extensive searching in network structure, which limits their usefulness. We present a new method by observing spiking dependencies in network activity to directly detect polychronous groups. Our method shows comparatively more efficient computation by trading off detection selectivity. The method allows for analysis of polychronous groups emerging in noisy networks. Our results support the existence of structure-forming properties of spontaneous activity in neural network.
|
|
|
Detection and analysis of polychronous groups emerging in spiking neural network models.
Šťastný, Bořek ; Brom, Cyril (advisor) ; Moudřík, Josef (referee)
How is information represented in real neural networks? Experimental results continue to provide evidence for presence of spiking patterns in network activity. The concept of polychronous groups attempts to explain these results by proposing that neurons group together to fire in non- synchronous but precise time-locked chains. Several methods for the detection of such groups have been proposed, however, they all employ extensive searching in network structure, which limits their usefulness. We present a new method by observing spiking dependencies in network activity to directly detect polychronous groups. Our method shows comparatively more efficient computation by trading off detection selectivity. The method allows for analysis of polychronous groups emerging in noisy networks. Our results support the existence of structure-forming properties of spontaneous activity in neural network.
|
|
|
Software tool for modelling coding and processing of information in auditory cortex of mice
Popelová, Markéta ; Brom, Cyril (advisor) ; Maršálek, Petr (referee)
Autor Markéta Popelová Název práce Software tool for modelling coding and processing of information in auditory cortex of mice Abstrakt Porozumění zpracovávání a kódování informací ve sluchové k·ře (AC) je stále ne- dostatečné. Z několika r·zných d·vod· by bylo užitečné mít výpočetní model AC, například z d·vodu vysvětlení, či ujasnění procesu kódování informací v AC. Prv- ním cílem této práce bylo vytvořit softwarový nástroj (simulátor SUSNOMAC), zaměřený na modelování AC. Druhým cílem bylo navrhnout výpočetní model AC s následujícími vlastnostmi: Izhikevich·v model neuronu, dlouhodobá plasticita ve formě Spike-timing-dependent plasticity (STDP), šestivrstvá architektura, pa- rametrizované typy neuron·, hustota neuron· a pravděpodobnost vzniku synapsí. Navržený model byl testován v desítkách experiment·, s r·znými sadami para- metr· a v r·zných velikostech (až 100 000 neuron· s takřka 21 milióny synapsí). Experimenty byly analyzovány a jejich výsledky srovnány s pozorováním skutečné AC. V práci popisujeme a analyzujeme několik zajímavých pozorování o aktivitě modelované sítě a vzniku tonotopického uspořádání AC. 1
|
|
| |
guest ::
