Upload
manulomar
View
755
Download
1
Tags:
Embed Size (px)
DESCRIPTION
Comportamiento de neuronas modelo Izhikevich resonantes. Sincronizacion de 1000 neuronas en distintas escenarios. Descripcion programa que simula el modelado neuronal.
Citation preview
Respuesta de neuronas resonantes utilizando el modelo de Izhikevich y sincronización en redes neuronales
Manuel López Martín27-01-2011
Trabajo Fin de Curso
Simple Model of Spiking NeuronsEugene M. Izhikevich
Resonance and selective communication via bursts in neuronshaving subthreshold oscillationsEugene M. Izhikevich
Which Model to Use for Cortical Spiking Neurons?Eugene M. Izhikevich
Referencias
1. Analizar el comportamiento de las neuronas en modo resonador
2. Simular distintos modelos neuronales
3. Analizar comportamientos de sincronización en redes neuronales
Descripción
function [t,v,u,I] = IZEuler2(Tduracion,Iin,periodo,duraPulse,delay,NPulse)
%Valores de las constantes
global dt
dt= 0.1;
NT = ceil(Tduracion/dt); % Numero de ticks de tiempo
t = (1:NT)*dt;
t=t';
v = zeros(NT,1);
u = zeros(NT,1);
I = zeros(NT,1);
% Inicializa los parámetros del modelo de Izhikevich
a=0.1;
b=0.26;
c=-65;
d=2;
v(1)=-64.4139;
u(1)=-16.1035;
% Genera los impulsos de intensidad que excitan a la neurona
dPul=ceil(duraPulse/dt); %pasa la duracion de cada pulsos a ticks
dPer=ceil(periodo/dt); % pasa el periodo de repeticion de los pulsos a ticks
dDel=ceil(delay/dt); % pasa el retraso entre pulsos a ticks
for j=0:(NPulse-1) % genera tantos pulsos como NPulse
for i=1:dPul;
I((i+j*dDel):dPer:NT)=Iin;
end;
end
1.0 Programa
%Repite el procedimeinto de Euler sobre las variables en bloque
for i=1:NT-1
v(i+1)=v(i)+dt*(0.04*v(i)^2+5*v(i)+140-u(i)+I(i));
u(i+1)=u(i)+dt*a*(b*v(i)-u(i));
if (v(i+1)>30)
v(i+1)=c;
u(i+1)=u(i+1)+d;
end;
end;
% sacar las gráficas
subplot(3,1,1);
plot(t,v);
xlabel('tiempo (msec)');
ylabel('V(t)');
subplot(3,1,2);
plot(t,u);
xlabel('tiempo (msec)');
ylabel('U(t)');
subplot(3,1,3);
plot(t,I);
xlabel('tiempo (msec)');
ylabel('I(t)');
end
1.0 Programa
• Se ha utilizado el modelo de Izhikevich en modo resonador.
a=0.1; b=0.26; c=-65; d=2; v(1)=-64.4139; u(1)=-16.1035;
1.0 Descripción - Resonador
- No hay disparo cuando excitamos la neurona con 1 pulso de amplitud 0.5.
[t,v,u,I]=IZEuler2(1000,0.50,500,5,40,1);
Tiempo de simulación
Amplitud I inyectada
Período de ráfagas de Corriente
Anchura del pulso de corriente
Separación entre pulsos
Número de pulsos en la ráfaga de impulsos de corriente
1.0 Respuesta - Resonador
- La neurona responde cuando la excitamos con 2 pulsos de amplitud 0.5 separados 40ms y con una anchura de 5ms cada pulso
[t,v,u,I]=IZEuler2(1000,0.50,500,5,40,2);
1.0 Respuesta - Resonador
- La neurona también responde cuando la excitamos con 3 pulsos de amplitud 0.5 separados 40ms y con una anchura de 5ms cada pulso
[t,v,u,I]=IZEuler2(1000,0.50,500,5,40,3);
1.0 Respuesta - Resonador
- En las siguientes transparencia vemos que la neurona no responde, en cambio, a ráfagas de 2, 3,.. pulsos de intensidad con la misma amplitud cuando su separación (frecuencia) es menor. Si la neurona tuviera una respuesta integradora, sería lo contrario. Pero al tener una respuesta resonadora, sólo resuena a su frecuencia de oscilación natural (en este caso alrededor de 1/40ms). La neurona resuena con períodos entre 35 y 54 ms.
[t,v,u,I]=IZEuler2(1000,0.50,500,5,30,2);Impulsos separados 30ms
1.0 Respuesta - Resonador
No dispara
[t,v,u,I]=IZEuler2(1000,0.50,500,5,20,3);
[t,v,u,I]=IZEuler2(1000,0.50,500,5,20,2); Impulsos separados 20ms
Impulsos separados 20ms
1.0 Respuesta - Resonador
No dispara
No dispara
Si alteramos el valor de a ligeramente. La neurona ya no resuena a 1/40ms
a=0.12; b=0.26; c=-65; d=2; v(1)=-64.4139; u(1)=-16.1035;
2 Impulsos separados por 40ms 3 Impulsos separados por 40ms
1.0 Respuesta - Resonador
Si alteramos el valor de a ligeramente. La neurona ya no resuena a 1/40ms
a=0.11; b=0.26; c=-65; d=2; v(1)=-64.4139; u(1)=-16.1035;
2 Impulsos separados por 50ms 3 Impulsos separados por 50ms
1.0 Respuesta - Resonador
Valores originalesCon estos valores la neurona si dispara con los impulsos de excitación anteriores
a=0.1; b=0.26; c=-65; d=2; v(1)=-64.4139; u(1)=-16.1035;
2 Impulsos separados por 50ms 3 Impulsos separados por 50ms
1.0 Respuesta - Resonador
• Ahora vemos que pasa en el modo integrador.
a=0.02;
b=-0.1;
c=-55;
d=6;
v(1)=-60;
u(1)=6;
4.1 108
Los valores de los parámetros solo se cambian en este modo y en el clase 1 excitable
1.0 Respuesta - Integrador
Un solo impulso de corriente No dispara
2 Impulsos separados 5ms Si dispara 2 Impulsos separados 7ms No dispara
2 Impulsos separados 4ms Si dispara
1.0 Respuesta - Integrador
3 Impulsos separados 7 ms Sigue sin disparar
4 Impulsos separados 7ms Si dispara
El modo integrador es sensible a la separación entre pulsos y al número de pulsos cuanto menor es la separación o mayor es el número de pulsos , mayor es la probabilidad de disparo
1.0 Respuesta - Integrador
Todos los modos de disparo neuronales simulados por el modelo de Izhikevichhttp://www.izhikevich.org/publications/whichmod.htm Incluye el programa para generar la gráfica
2.0 Modos de disparo
http://www.izhikevich.org/publications/spikes.htm Incluye el programa interactivo para simular los distintos modos de disparo con el modelo de Izhikevich
2.0 Modos de disparo
2.0 Modos de disparo - Izhikevich
• Burst
• Burst Caótico
• Programa realizado en C# • Implementa varios modelos neuronales (HR, Izhikevich, HH)• Varias funciones de corriente (manual, pulsos)• Presenta gráfico de voltaje de membrana y espacio de fases.• Fácilmente extensible (patrón Strategy,..)
2.0 Modos de disparo – Hindmarsh -Rose
• Burst
• Burst
2.0 Modos de disparo – Hodgkin & Huxley
• Spiking
Analizar el comportamiento de sincronización de 1000 neuronas en distintos escenarios:
CONECTADAS 1. Conexión completa2. En una configuración en anillo3. Según una conexión en red Smallworld con diferentes K y P.
CON MODOS DE DISPARO 1. Aleatorios (excitatorias: RS,IB,CH, inhibitorias: FS, LTS)
2. Todos integradores (excitatorias: RS , inhibitorias: RS) saddle-node on invariant circle
Las neuronas reciben una entrada de corriente aleatoria además de las corrientes que reciben de las conexiones neuronales con el resto de las 1000 neuronas
Estas corrientes aleatorias simulan la excitación de otro bloque neuronal.
3.0 Pulsed-Coupled Network
3.0 Pulsed-Coupled Network - Conexión completa
• Todos los nodos (1000) están conectados entre si.
• El peso de la conexión es un valor aleatorio distribuido uniformemente. La distribución es de [0 , 0.5] para las primeras 800 neuronas y de [0 , -1] para las 200 restantes. Es decir las primera 800 reciben conexiones excitatorias y las 200 últimas inhibitorias.
• Cada nodo recibe una señal excitatoria de valor aleatorio ( [ 0 , 5 ] para neuronas excitatorias y de [0 , 2] para neuronas inhibitorias. Aparte de las señales que recibe del resto de nodos del ensemble.
• Cuando una neurona dispara , incrementa la señal de entrada de las neuronas conectadas en un valor igual al peso de la conexión.
Peso aleatorio
i
j
I (j,i)
I (j) aleatoria
1000 Neuronas. Todas modo Aleatorio. Conexión completa con pesos aleatorios. Corrientes inyectadas aleatorias. Comienzo todas en estado de reposo (reposo -65mV) Comienzan a oscilar por el ruido talámico simulado
>> PulseCoupledMany
3.0 Pulsed-Coupled Network - Conexión completa
% Neuronas en modos aleatoriosa=[0.02*ones(Ne,1); 0.02+0.08*ri];b=[0.2*ones(Ne,1); 0.25-0.05*ri];c=[-65+15*re.^2; -65*ones(Ni,1)];d=[8-6*re.^2; 2*ones(Ni,1)];S=[0.5*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
% Neuronas en modos aleatoriosa=[0.02*ones(Ne,1); 0.02+0.08*ri];b=[0.2*ones(Ne,1); 0.25-0.05*ri];c=[-65+15*re.^2; -65*ones(Ni,1)];d=[8-6*re.^2; 2*ones(Ni,1)];S=[0.5*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
1000 Neuronas. Todas modo Resonador. Conexión completa con pesos aleatorios.. Corrientes inyectadas aleatorias. Comienzo todas en estado de reposo (reposo -65 mv).
>> PulseCoupledMany
3.0 Pulsed-Coupled Network - Conexión completa
% Todas las neuronas en modo resonador a=[0.1*ones(Ne,1); 0.1*ones(Ni,1)]; b=[0.25*ones(Ne,1); 0.25*ones(Ni,1)]; c=[-65*ones(Ne,1); -65*ones(Ni,1)]; d=[2*ones(Ne,1); 2*ones(Ni,1)]; S=[0.52*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
MEJORA LA SINCRONIZACION
1000 Neuronas. Todas modo Integrador. Conexión completa con pesos aleatorios.. Corrientes inyectadas aleatorias. Comienzo todas en estado de reposo (reposo -65mv).
>> PulseCoupledManyIntegrators
3.0 Pulsed-Coupled Network - Conexión completa
%% Todas las neuronas en modo integradora=[0.02*ones(Ne,1); 0.02*ones(Ni,1)];b=[-0.1*ones(Ne,1); -0.1*ones(Ni,1)];c=[-55*ones(Ne,1); -55*ones(Ni,1)];d=[6*ones(Ne,1); 6*ones(Ni,1)];S=[0.5*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+4.1*v+108-u+I);
MEJORA LA SINCRONIZACION
1000 Neuronas. Todas modo Aleatorio. Conexión completa con pesos aleatorios.. Corrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIniAlea
3.0 Pulsed-Coupled Network - Conexión completa
% Neuronas en modos aleatoriosa=[0.02*ones(Ne,1); 0.02+0.08*ri];b=[0.2*ones(Ne,1); 0.25-0.05*ri];c=[-65+15*re.^2; -65*ones(Ni,1)];d=[8-6*re.^2; 2*ones(Ni,1)];S=[0.5*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
!!!
1000 Neuronas. Todas modo Resonador. Conexión completa con pesos aleatorios.. Corrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIniAlea
3.0 Pulsed-Coupled Network - Conexión completa
% Todas las neuronas en modo resonador a=[0.1*ones(Ne,1); 0.1*ones(Ni,1)]; b=[0.25*ones(Ne,1); 0.25*ones(Ni,1)]; c=[-65*ones(Ne,1); -65*ones(Ni,1)]; d=[2*ones(Ne,1); 2*ones(Ni,1)]; S=[0.52*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
!!!
1000 Neuronas. Todas modo Resonador. Conexión completa con pesos aleatorios.. Corrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIniAlea
3.0 Pulsed-Coupled Network - Conexión completa
% Todas las neuronas en modo resonador a=[0.1*ones(Ne,1); 0.1*ones(Ni,1)]; b=[0.25*ones(Ne,1); 0.25*ones(Ni,1)]; c=[-65*ones(Ne,1); -65*ones(Ni,1)]; d=[2*ones(Ne,1); 2*ones(Ni,1)]; S=[0.52*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
ZOOM
1000 Neuronas. Todas modo Integrador. Conexión completa con pesos aleatorios.. Corrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIntegratorsIniAlea
3.0 Pulsed-Coupled Network - Conexión completa
%% Todas las neuronas en modo integradora=[0.02*ones(Ne,1); 0.02*ones(Ni,1)];b=[-0.1*ones(Ne,1); -0.1*ones(Ni,1)];c=[-55*ones(Ne,1); -55*ones(Ni,1)];d=[6*ones(Ne,1); 6*ones(Ni,1)];S=[0.5*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+4.1*v+108-u+I);
!!!
• C:\Grafos MExterna.txt 1000 SmallWDirigido 0,01 200
3.0 Pulsed-Coupled Network – Small World
KNodos conectados con un nodo dado P
Probabilidad de recableado
• Los nodos (1000) están conectados con topología de red en Smallworld (Watts & Strogatz). (Directed forward ring-lattice).
• El peso de la conexión es 0.5 para conexiones excitatorias (800 primeras neuronas) y -1 para inhibitorias (resto de neuronas).
• Cada nodo recibe una señal excitatoria de valor aleatorio ( [ 0 , 5 ] para neuronas excitatorias y de [0 , 2] para neuronas inhibitorias. Aparte de las señales que recibe del resto de nodos del ensemble.
• Cuando una neurona dispara , incrementa la señal de entrada de las neuronas conectadas en un valor igual al peso de la conexión.
MODELO ELEGIDO
L y C v.s. P
1000 NODOS. Grafo SmallWorld.
P
C(P)/C0
L(P)/L0
3.0 Pulsed-Coupled Network – Small World
3.0 Pulsed-Coupled Network – Small World
• Generadas 25 redes Small World con un programa en C#
• Distintas P y K
1000 Neuronas. Todas modo Resonador. Conexiones SmallWorld (Forward Directed) P=0, K=10. Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIniAleaMatrizExterna
3.0 Pulsed-Coupled Network – Small World
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
% Todas las neuronas en modo resonadora=[0.1*ones(Ne,1); 0.1*ones(Ni,1)];b=[0.25*ones(Ne,1); 0.25*ones(Ni,1)];c=[-65*ones(Ne,1); -65*ones(Ni,1)];d=[2*ones(Ne,1); 2*ones(Ni,1)];S=[0.52*MExterna(:,(1:Ne)), -1*MExterna(:,(Ne+1:Ne+Ni))];
Red en anillo regular no sincroniza para K bajo !!!!Neuronas inhibitorias disparan menos
1000 Neuronas. Todas modos Aleatorios. Conexiones SmallWorld (Forward Directed) P=0, K=10. Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIniAleaMatrizExterna
3.0 Pulsed-Coupled Network – Small World
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
%% Neuronas en modos aleatoriosa=[0.02*ones(Ne,1); 0.02+0.08*ri];b=[0.2*ones(Ne,1); 0.25-0.05*ri];c=[-65+15*re.^2; -65*ones(Ni,1)];d=[8-6*re.^2; 2*ones(Ni,1)];S=[0.5*MExterna(:,(1:Ne)), -1*MExterna(:,(Ne+1:Ne+Ni))];
Red en anillo regular no sincroniza para K bajo!!!Neuronas inhibitorias disparan menos
1000 Neuronas. Todas modo Integrador. Conexiones SmallWorld (Forward Directed) P=0, K=10. Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
3.0 Pulsed-Coupled Network – Small World
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
%% Todas las neuronas en modo integradora=[0.02*ones(Ne,1); 0.02*ones(Ni,1)];b=[-0.1*ones(Ne,1); -0.1*ones(Ni,1)];c=[-55*ones(Ne,1); -55*ones(Ni,1)];d=[6*ones(Ne,1); 6*ones(Ni,1)];S=[0.5*MExterna(:,(1:Ne)), -1*MExterna(:,(Ne+1:Ne+Ni))];
>> PulseCoupledManyIntegratorsIniAleaMatrizExterna
Red en anillo regular no sincroniza para K bajo !!!Neuronas inhibitorias no disparan
1000 Neuronas. Todas modo Integrador. Conexiones SmallWorld (Forward Directed) Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIntegratorsIniAleaMatrizExterna
3.0 Pulsed-Coupled Network – Small World
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
%% Todas las neuronas en modo integradora=[0.02*ones(Ne,1); 0.02*ones(Ni,1)];b=[-0.1*ones(Ne,1); -0.1*ones(Ni,1)];c=[-55*ones(Ne,1); -55*ones(Ni,1)];d=[6*ones(Ne,1); 6*ones(Ni,1)];S=[0.5*MExterna(:,(1:Ne)), -1*MExterna(:,(Ne+1:Ne+Ni))];
P=0 , K=10 P=0 , K=300 P=0 , K=500
P=0,001 , K=10 P=0,001 , K=300 P=0,001 , K=500
P=0 , K=200
P=0,001 , K=200
Anillo regular
Small World comienzo
!!!
Casi un clique
1000 Neuronas. Todas modo Integrador. Conexiones SmallWorld (Forward Directed) Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIntegratorsIniAleaMatrizExterna
3.0 Pulsed-Coupled Network – Small World
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
%% Todas las neuronas en modo integradora=[0.02*ones(Ne,1); 0.02*ones(Ni,1)];b=[-0.1*ones(Ne,1); -0.1*ones(Ni,1)];c=[-55*ones(Ne,1); -55*ones(Ni,1)];d=[6*ones(Ne,1); 6*ones(Ni,1)];S=[0.5*MExterna(:,(1:Ne)), -1*MExterna(:,(Ne+1:Ne+Ni))];
P=0,01 , K=10 P=0,01 , K=300 P=0,01 , K=500
P=0,1 , K=10 P=0,1 , K=300 P=0,1 , K=500
P=0,01 , K=200
P=0,1 , K=200
Small World
Small World
1000 Neuronas. Todas modo Integrador. Conexiones SmallWorld (Forward Directed) Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIntegratorsIniAleaMatrizExterna
3.0 Pulsed-Coupled Network – Small World
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
%% Todas las neuronas en modo integradora=[0.02*ones(Ne,1); 0.02*ones(Ni,1)];b=[-0.1*ones(Ne,1); -0.1*ones(Ni,1)];c=[-55*ones(Ne,1); -55*ones(Ni,1)];d=[6*ones(Ne,1); 6*ones(Ni,1)];S=[0.5*MExterna(:,(1:Ne)), -1*MExterna(:,(Ne+1:Ne+Ni))];
P=0,5 , K=10 P=0,5 , K=300 P=0,5 , K=500
P=1 , K=10 P=1 , K=300 P=1 , K=500P=1 , K=100 P=1 , K=200
P=0,5 , K=200
Red aleatoria
Small World
K=300 sincronizan
1000 Neuronas. Todas modos Aleatorios. Conexiones SmallWorld (Forward Directed) Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
>> PulseCoupledManyIniAleaMatrizExterna
3.0 Pulsed-Coupled Network – Small World
P=0 , K=10 P=0 , K=300 P=0 , K=500
P=0,001 , K=10 P=0,001 , K=300 P=0,001 , K=500
P=0 , K=200
P=0,001 , K=200
% Neuronas en modos aleatoriosa=[0.02*ones(Ne,1); 0.02+0.08*ri];b=[0.2*ones(Ne,1); 0.25-0.05*ri];c=[-65+15*re.^2; -65*ones(Ni,1)];d=[8-6*re.^2; 2*ones(Ni,1)];S=[0.5*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
LA ALEATORIEDAD DE LOS MODOS DE DISPARO FAVORECE LA SNCRONIZACION
1000 Neuronas. Todas modos Aleatorios. Conexiones SmallWorld (Forward Directed) Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
3.0 Pulsed-Coupled Network – Small World
P=0,01 , K=10 P=0,01 , K=300 P=0,01 , K=500
P=0,1 , K=10 P=0,1 , K=300 P=0,1 , K=500
P=0,01 , K=200
P=0,1 , K=200
% Neuronas en modos aleatorios
S=[0.5*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];d=[8-6*re.^2; 2*ones(Ni,1)];c=[-65+15*re.^2; -65*ones(Ni,1)];b=[0.2*ones(Ne,1); 0.25-0.05*ri];a=[0.02*ones(Ne,1); 0.02+0.08*ri];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
>> PulseCoupledManyIniAleaMatrizExterna
LA ALEATORIEDAD DE LOS MODOS DE DISPARO FAVORECE LA SNCRONIZACION
1000 Neuronas. Todas modos Aleatorios. Conexiones SmallWorld (Forward Directed) Ring LatticeCorrientes inyectadas aleatorias. Comienzo todas en estado aleatorio (-65 a 30 mV)
3.0 Pulsed-Coupled Network – Small World
P=0,5 , K=10 P=0,5 , K=300 P=0,5 , K=500
P=1 , K=10 P=1 , K=300 P=1 , K=500P=1 , K=100 P=1 , K=200
P=0,5 , K=200
% Neuronas en modos aleatorios
S=[0.5*rand(Ne+Ni,Ne), -rand(Ne+Ni,Ni)];d=[8-6*re.^2; 2*ones(Ni,1)];c=[-65+15*re.^2; -65*ones(Ni,1)];b=[0.2*ones(Ne,1); 0.25-0.05*ri];a=[0.02*ones(Ne,1); 0.02+0.08*ri];
v=v+0.5*(0.04*v.^2+5*v+140-u+I);
>> PulseCoupledManyIniAleaMatrizExterna
LA ALEATORIEDAD DE LOS MODOS DE DISPARO FAVORECE LA SNCRONIZACION
• Hay un valor mínimo de K a partir del cual se sincronizan
• El valor mínimo de K depende de P• Cuando P es bajo (regular) el K es mayor• Cuando el P es alto (aleatorio) el K es menor
• Para sincronizar:• Cuando el grafo es aleatorio necesitamos un grado medio del grafo menor• Cuando el grafo es regular necesitamos un grado medio del grafo mayor (necesitamos que esté más conectado)
• La aleatoriedad de las conexiones favorece la sincronización… no esperado !!!
• El mayor grado favorece la sincronización … esperado
• La aleatoriedad de los modos de disparo favorece la sincronización … no esperado !!!
• Para valores bajos de K o P, las neuronas inhibitorias apenas disparan en el modo todos integradores y si disparan en el modo todos aleatorios.
• Para valores altos de K o P, disparan tanto las inhibitorias como las excitatorias tanto en el modo todos integradores como el modo todos aleatorios.
3.0 Pulsed-Coupled Network – Small World - Conclusiones