Spike Train mit Ereignissen

Auf meiner Webseite "Zufälliger Spike Train" habe ich das Verhalten von rein zufällig feuernden Neuronen betrachtet. Jetzt sollen aufgrund eines Ereignisses mehrere Neuronen gleichzeitig feuern. Ein Ereignis oder eine gemeinsame Ursache entspricht der Koinzidenz des Feuerns einer Gruppe ausgewählter Inputneuronen.

Wie schon dargestellt, wird ein Neuron durch viele andere Neuronen zum "feuern" angeregt. Dazu senden die anderen Neuronen, auch Inputneuronen genannt, Signale an das Neuron. Meist werden die Inputneuronen zufällig feuern. Wenn jedoch eine gemeinsame Ursache vorliegt, dann werden viele gleichzeitig feuern. Hier eine Beschreibung wie der Spike Train für die Simulation erzeugt wird. Die Idee stammt aus einem Artikel von Sonja Grün [1], basierend u.a. auf einem Artikel von Alexandre Kuhn [2].

Prinzipdarstellung für das Mixen von Signalen. (SignalMix.gif)

Beschreibung:
Als Grundbaustein für die Erzeugung eines Spike Train habe ich einen zufälligen Spike Train (s. Punkt (a)). Zusätzlich habe ich einen Spike Train, der immer feuert (s. Punkt (b)). Ein Zeittakt dieses Spike Train repräsentiert ein Ereignis, bei dem alle Neuronen feuern. Die Ereignisse treten mit einer Wahrscheinlichkeit pU auf. Mit dieser Wahrscheinlichkeit wird ein gemixtes Signal erstellt (s. Punkt (c)). Würde ich die Zeittakte sortieren, so könnte ich das Bild bei Punkt (e) erhalten. Dem gemixten Signal wird jetzt noch Rauschen (s. Punkt (d)) hinzugefügt und ich erhalte Punkt (f). Um das Auge zu verwirren, mische ich die Zeilen und erhalte den Spike Train entsprechend Punkt (h). Die Punkte (g) und (i) stellen sortierte Versionen der Spike Train dar.

Beim Mixen von Signalen muss noch auf die Wahrscheinlichkeit des Feuerns der Inputneuronen geachtet werden. Angenommen, die Inputneuronen am Punkt (h) sollen alle mit derselben Wahrscheinlichkeit q feuern. Dann erzeuge ich am Punkt (a) Inputneuronen, die mit einer Wahrscheinlichkeit (q-pU)/(1-pU) feuern. Am Punkt (c) feuern die Inputneuronen dann mit einer Wahrscheinlichkeit q. Am Punkt (d) verwende ich für das Erzeugen der Inputneuronen ebenfalls die Wahrscheinlichkeit q. Dadurch habe ich sicher gestellt, dass im Bild (h) die gemeinsam feuernden Neuronen nicht an der Häufigkeit des Feuerns erkennbar sind.

Spike Train mit Ereignissen

Die folgende Java Application simuliert einen Spike Train mit Ereignissen: KNN_Simulation_2.jar. Die dargestellten Informationen sind unter ”Zufälliger Spike Train” beschrieben. Beim Start der Java Application werden per Zufall ein paar Inputneuronen ausgewählt, die ab und zu gemeinsam feuern. Feuert dieses Ensemble, so ist die Summe der Signale nicht immer gleich. Die Inputneuronen, die nicht dem Ensemble angehören, "verrauschen" die Summe. Anteile des Ensembles sind in schwarzer Farbe dargestellt, das Rauschen blau.

Bild der Simulation zufälliger Spike Trains mit Ereignis

Bedienungsanleitung:
Bitte laden Sie sich die Java Application auf Ihren Rechner. Klicken Sie nachdem Start auf das Fenster der Java Application. Jeder Klick startet die Simulation erneut. Er besteht aus 128 Inputneuronen. Jedes Inputneuron feuert mit einer Wahrscheinlichkeit von 5%-10% (uniforme Verteilung) pro Zeittakt.

 
 
 
 

Ressourcen

   
Executable Jar des Spike Train mit Ereignis .jar
 
 




Detlef Brand
Stralsunder Ring 14
D-38444 Wolfsburg
phone: +49 5361 888140
e-mail: detlef.brandnull@systecture.de