Traitement de l'information dans un neurone stochastique

Le modèle de neurone LIF est un modèle de neurone basé sur le seuil et a été largement utilisé pour étudier analytiquement le comportement neuronal en raison de la simplicité du modèle. DDF fournit un mécanisme permettant d'inclure les valeurs précédentes du potentiel de membrane sur son évolution ultérieure et augmente la complexité du modèle. Le modèle de neurone LIF dans DDF est plus proche du neurone réel que le neurone LIF simple avec entrée bruyante. Afin d'étendre l'étude, trois différents types de fonction de noyau, à savoir une fonction de noyau à retard distribué exponentiel, gamma et hypo-exponentiel, et deux différents types de période de temps réfractaire, à savoir une période de temps distribuée uniformément et une période de temps distribuée gaussienne. Les résultats obtenus sont comparés à ceux obtenus sans période de temps réfractaire. Nous remarquons que la période de temps réfractaire distribuée gaussienne avec une fonction noyau de retard distribué hypoexponentiellement a des modèles de distribution ISI plus proches des études expérimentales.

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.