[论文解读] Output stream of leaky integrate and fire neuron

A. K. Vidybida|arXiv (Cornell University)|Jan 20, 2015

Neural dynamics and brain function参考文献 9被引用 5

一句话总结

本文在不使用扩散近似的情况下，推导出受泊松过程刺激的漏电整合-发放（LIF）神经元的发放间期的精确概率密度函数（PDF）。精确解在特定参数条件下揭示了双峰分布，表明两个紧密间隔的输入脉冲可触发输出脉冲，这与假设大量输入的扩散近似方法形成对比，后者无法捕捉此类双峰特性。

ABSTRACT

Probability density function of output interspike intervals is found in exact form for leaky integrate and fire neuron stimulated with Poisson stream. The diffusion approximation is not exploited.

研究动机与目标

• 推导在泊松输入下漏电整合-发放（LIF）神经元输出发放间期的精确概率密度函数（PDF），避免使用扩散近似。
• 表征当输入脉冲稀少或紧密间隔时输出发放序列的统计特性，特别是当两个脉冲可触发响应时的情形。
• 识别发放间期分布呈现双峰的条件，这一特征在基于扩散的模型中无法捕捉。
• 为具有指数衰减和离散突触输入的LIF神经元提供一个数学上严格、非微扰的首次通过时间分布解。

提出的方法

• 模型采用具有指数衰减（时间常数τ）的确定性漏电整合-发放神经元，具有固定阈值V₀和大小为h的离散输入脉冲。
• 输入建模为泊松过程，速率λ，生成随机脉冲时间l₁, l₂, ..., 其间期呈指数分布。
• 通过遍历所有可能导致发放事件的输入脉冲序列，递归求和计算输出发放间期的概率密度。
• 该解涉及计算膜电位在k个输入脉冲后首次达到V₀的概率，通过在脉冲时间序列上进行精确积分实现。
• 该方法明确考虑了突触后电位的指数衰减和历史输入的记忆效应，避免使用福克-普朗克或费勒型扩散近似。
• 最终的PDF表示为分段函数，包含对脉冲时间区间进行多重积分的有限和，前几段（如T₂, T₃）推导出精确表达式。

实验结果

研究问题

• RQ1 在泊松输入流驱动下，漏电整合-发放神经元的发放间期的精确概率密度函数是什么？
• RQ2 在何种参数条件下，发放间期分布呈现双峰？其成因是什么？
• RQ3 在每次发放事件中输入脉冲数量较少的区域，精确解与扩散近似有何不同？
• RQ4 是否可以在不假设膜电位连续演化的情况下，精确计算首次通过时间分布？

主要发现

• 发放间期的精确概率密度函数以闭式表达，为包含对输入脉冲时间进行有限重积分的分段函数形式。
• 在某些参数值下，该分布表现出双峰行为，特别是当V₀ < 2h时，表明两个紧密间隔的输入脉冲可触发响应。
• 双峰结构源于输入的离散性以及突触后电位的指数衰减，这是扩散近似无法捕捉的特性。
• 即使仅需两个输入脉冲即可触发发放，该解仍然有效，而此时扩散近似会失效。
• 数值验证确认了分析结果，显示推导出的PDF与模拟的发放间期直方图高度一致。
• 该方法为福克-普朗克方法提供了一种非微扰的替代方案，尤其适用于输入率较低或时间精度要求较高的神经元。