要約
この研究では、神経力学システムにおけるスパイク列のエントロピーを推定するための、パーセプトロン ニューラル ネットワークに基づく生物からインスピレーションを得たカオス センサー モデルを紹介します。
トレーニング後、隠れ層に 50 個のニューロン、出力に 1 個のニューロンを備えたパーセプトロン上のセンサーは、R2 ~ 0.9 の決定係数で、短い時系列のファジー エントロピーを高精度で近似します。
Hindmarsh-Rose スパイク モデルは、スパイク間隔の時系列と、パーセプトロンのトレーニングとテスト用のデータセットを生成するために使用されました。
パーセプトロン モデルのハイパーパラメーターの選択とセンサー精度の推定は、K ブロック相互検証法を使用して実行されました。
ニューロンが 1 つある隠れ層の場合でも、モデルはファジー エントロピーを近似し、良好な結果とメトリクス R2 ~ 0.5 ～ 0.8 をもたらします。
最初の層に 1 つのニューロンと等しい重みを備えた単純化されたモデルでは、近似の原理は、時系列の平均値からエントロピー値への線形変換に基づいています。
ラットの L5 後根からの活動電位記録のスパイク列にカオス センサーを使用する例が提供されます。
ニューロンの集合体に基づく生物由来のカオス センサー モデルは、スパイク信号のカオス的な動作を動的に追跡し、この情報を神経力学モデルの他の部分に送信してさらなる処理を行うことができます。
この研究は、計算神経科学の分野の専門家にとって役立つだけでなく、限られたリソースで人型ロボットや動物ロボット、バイオロボットを作成するのにも役立ちます。
要約(オリジナル)
The study presents a bio-inspired chaos sensor model based on the perceptron neural network for the estimation of entropy of spike train in neurodynamic systems. After training, the sensor on perceptron, having 50 neurons in the hidden layer and 1 neuron at the output, approximates the fuzzy entropy of a short time series with high accuracy, with a determination coefficient of R2 ~ 0.9. The Hindmarsh-Rose spike model was used to generate time series of spike intervals, and datasets for training and testing the perceptron. The selection of the hyperparameters of the perceptron model and the estimation of the sensor accuracy were performed using the K-block cross-validation method. Even for a hidden layer with one neuron, the model approximates the fuzzy entropy with good results and the metric R2 ~ 0.5-0.8. In a simplified model with one neuron and equal weights in the first layer, the principle of approximation is based on the linear transformation of the average value of the time series into the entropy value. An example of using the chaos sensor on spike train of action potential recordings from the L5 dorsal rootlet of rat is provided. The bio-inspired chaos sensor model based on an ensemble of neurons is able to dynamically track the chaotic behavior of a spike signal and transmit this information to other parts of the neurodynamic model for further processing. The study will be useful for specialists in the field of computational neuroscience, and also to create humanoid and animal robots, and bio-robots with limited resources.
arxiv情報
| 著者 | Andrei Velichko,Petr Boriskov,Maksim Belyaev,Vadim Putrolaynen |
| 発行日 | 2023-08-15 11:42:05+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google