Informationsverarbeitung in einem stochastischen Neuron

Das LIF-Neuronenmodell ist ein schwellenwertbasiertes Neuronenmodell und wurde aufgrund der Einfachheit des Modells häufig zur analytischen Untersuchung des neuronalen Verhaltens verwendet. DDF bietet einen Mechanismus zur Einbeziehung der vorherigen Werte des Membranpotenzials in seine weitere Entwicklung und erhöht die Komplexität des Modells. Das LIF-Neuronenmodell in DDF ist näher am realen Neuron als das einfache LIF-Neuron mit verrauschtem Input. Um die Studie zu erweitern, wurden drei verschiedene Arten von Kernel-Funktionen, nämlich exponentiell verteilte, gamma-verteilte und hypoexponentiell verteilte Delay-Kernel-Funktionen, und zwei verschiedene Arten von Refraktärzeiten, nämlich gleichmäßig verteilte und gaußverteilte, in DDF untersucht. Die erzielten Ergebnisse werden mit den Ergebnissen ohne Refraktärzeit verglichen. Wir stellen fest, dass die Gauß-verteilte Refraktärzeitperiode mit hypoexponentiell verteilter Verzögerungskernfunktion ISI-Verteilungsmuster aufweist, die den experimentellen Studien näher kommen.

Autorentext

O Dr. V.D.S. Baghela recebeu o seu diploma de graduação em Estatística da BHU, Varanasi & MCA completo da AAIDU, Allahabad. Obteve o grau de M. Tech (CSE) da AKTU, Lucknow. Obteve o grau de Ph.D. pela SVU, UP (INDIA) em Ciência e Engenharia Informática. Actualmente, trabalha como Professor na SCSE, Universidade Galgotias, Índia.