神經模擬器的發展與策略
神經模擬器可以幫助科學家探究可能的生物機制與網路動態，而在大型的神經網路研究更是不可缺少的工具，此外神經模擬器的發展也幫助了類神經網路與人工智慧的進步。
目前spiking neuron 模型可供更多的細節與更接近生理實驗結果，比firing rate 模型在神經網路的研究上更受重視。這類模擬器在時間解析機制上可分為同步與非同步兩種，同步機制以固定時步分析網路動態又稱”時脈驅動(clock-driven)”，它容易撰寫程式與可實作各種神經元模型因此很大部分模擬器所採用此機制，但是缺點是時脈的解析度會影響spiking的精準程度因此也相對影響模擬結果。非同步機制又稱”事件驅動(event-driven)”，它可以改善同步機制的精準度但是程式複雜且不直觀，而作者在spike timing dependent synaptic plasticity (STDP)的例子中說明了精確度差異造成的影響。
此外作者對於不同神經元模型、突觸模型與其計算複雜度都有許多分析並且討論了多種神經模擬器的模擬策略分析與功能探討，特別在老牌的NEURON、GENISIS與著名的網路模擬器NEST都有詳細的介紹。
原始論文:
Brette, R. et al. Simulation of networks of spiking neurons: A review of tools and strategies. J. Comput. Neurosci. 23, 349–398 (2007).
目前spiking neuron 模型可供更多的細節與更接近生理實驗結果，比firing rate 模型在神經網路的研究上更受重視。這類模擬器在時間解析機制上可分為同步與非同步兩種，同步機制以固定時步分析網路動態又稱”時脈驅動(clock-driven)”，它容易撰寫程式與可實作各種神經元模型因此很大部分模擬器所採用此機制，但是缺點是時脈的解析度會影響spiking的精準程度因此也相對影響模擬結果。非同步機制又稱”事件驅動(event-driven)”，它可以改善同步機制的精準度但是程式複雜且不直觀，而作者在spike timing dependent synaptic plasticity (STDP)的例子中說明了精確度差異造成的影響。
此外作者對於不同神經元模型、突觸模型與其計算複雜度都有許多分析並且討論了多種神經模擬器的模擬策略分析與功能探討，特別在老牌的NEURON、GENISIS與著名的網路模擬器NEST都有詳細的介紹。
-
撰文者：黃榆棋
-
Brette, R. et al. Simulation of networks of spiking neurons: A review of tools and strategies. J. Comput. Neurosci. 23, 349–398 (2007).
留言
張貼留言