En una simulación de la Red Neural Spiking usando el modelo Izhikevich, ¿qué inhibe la activación de la neurona más de una vez por espiga?

El modelo de neurona Izhikevich es esencialmente un modelo Integrate y Fire . Esto significa que hay una ecuación para calcular la actividad subliminal y luego un condicional que determina la actividad de picos.

Este modelo en particular utiliza una ecuación diferencial que determina el voltaje compartimental por debajo del umbral y luego una declaración condicional que determina el comportamiento una vez que se alcanza la amplitud pico pico. [1] Esta es una característica única del modelo Izhikevich: con mayor frecuencia, los modelos usan un condicional para gobernar el comportamiento de todo el potencial de acción, que se activa cuando se alcanza el umbral de pico.

Para abordar su pregunta directamente: en el modelo de Eugene, cuando el voltaje alcanza 30 mV, el potencial de membrana se restablece a algún valor subliminal, c, y la inactivación, u, se incrementa en alguna constante, d. La reactivación inmediata se previene primero mediante el restablecimiento del voltaje compartimental, pero se desalienta aún más por el aumento de u.

Puede probar esto usted mismo al profundizar un poco en el modelo: intente establecer d en 0 o establecer c en 30mV. Verá que el comportamiento revertiría rápidamente el estallido perpetuo por encima de tasas estrictamente biológicamente realistas.

Notas al pie

[1] Modelo simple de neuronas claveteadas

He actualizado mi modelo ahora ya que el que se muestra en la primera pregunta no es correcto. El modelo Izhikevich es solo un modelo para la neurona, el cálculo para la suma de los valores de entrada no es parte del modelo, y esta fue la pieza que me faltaba. Ahora he agregado el Modelo de respuesta de pico (SRM) que proporciona los valores de entrada que se suman como la entrada I al modelo Izhikevich.

Acabo de hacer una aplicación rápida que produce 3 espigas, cada espiga tiene
Es propia curva EPSP ligeramente diferente, la captura de pantalla adjunta muestra los 3
picos que se reciben al mismo tiempo, y también los 3 picos que se reciben con un retraso de 10 ms entre cada pico. La traza blanca es el valor combinado y este es el valor que uso para el término I en el modelo. Aunque el pico de salida es solo un evento, lo muestro aquí con su curva EPSP que alimenta la siguiente neurona conectada.

Estoy bastante contento con el resultado de este pequeño modelo, puedes ver que
a pesar de que la neurona recibió los 3 picos al mismo tiempo que
no causó que la neurona se disparara, demoró un poco los picos
para disparar la neurona, al igual que el mundo biológico real.

Todavía estoy un poco inseguro sobre el umbral y los pesos para el modelo, Izhikevich afirma varias veces que el valor del umbral (-50 a -70mV) no es lo mismo que el nivel de pico (+ 30mV), también lo hace el se genera una espiga en el nivel de umbral o en el nivel de espiga Si se genera en el nivel de umbral, ¿qué impide que ocurra un segundo pico inmediatamente?

Para los pesos de conexión de entrada, supongo que los pesos son solo un multiplicador del valor EPSP, por ejemplo, tomo el valor SRM y lo multiplico por el peso de la conexión.

A2A:
No estoy familiarizado con ese programa, pero sospecho que entendiste mal algo elemental: “disparar” y “disparar” es una y la misma cosa, por lo que la neurona siempre se disparará una vez por punta o una vez por disparar.
Además, la velocidad de disparo / punta está limitada por el tiempo de refracción (en su modelo, el tiempo de recuperación) en el que la membrana no responde a los estímulos.

Por favor, corríjame si eso está mal, porque realmente estoy un poco confundido pensando en eso, pero así es como lo entendí hasta ahora.