一个用于真实神经元网络的自旋玻璃模型
使用 Ising 模型描述和分析视网膜神经元的相关放电活动,展示二元交互作用可解释观察到的高阶相关性,并研究人工构建的神经元网络在不同规模下的临界点和集体行为。
Nov, 2006
使用模拟皮层网络的数据,探究描述多神经元尖峰列统计学的成对 Ising 模型的最优耦合的优化方法和它们的统计特性,并通过比较不同的近似方法从一定程度上找到了这些最优耦合,但发现从小规模子集中提取耦合常常高估其大小,而且随着子集大小的增长,所用模型的拟合效果逐渐恶化,需要引入高阶相关性来描述大型网络的统计特性。
Feb, 2009
通过 Ising 模型,我们发现在脊椎动物视网膜和文化皮层神经元网络中,两元素之间的相关性与大群体之间的高阶复杂相互作用描述了神经元的集体行为,证明了神经编码具有联想或纠错功能。
Dec, 2005
本研究证明基于成对交互的概率模型,尤其是伊辛模型,能够准确地描述从神经元到基因等多种真实生物网络实验数据。通过将统计物理和机器学习的思想相融合,我们展示了一种新的反演求解方法,并发展出了针对真实神经元数据的一些有效的求解技巧。我们的算法不仅仅可以在几分钟内学习描述四十个神经元的伊辛模型,而且可以分析更大的数据集,从而验证这些网络的集体行为假设。
Dec, 2007
通过作者版本的 Stein 方法,我们建立了一种二进制数据模型的最大伪似然估计方法的根号 N 一致性,并且在关键温度下仍然有效,从而增强了这些模型的数学统计分析。
Apr, 2006
本文介绍了一种基于 Ising 神经网络模型的数据分析方法,通过调整简单模型网络中的参数使其尽可能地拟合实验获得的神经元间数据,以研究神经元网络中的联系和影响。
Jun, 2011
本研究基于最大熵理论和马尔可夫假设,以模型为基础实现了对分布式脉冲活动中人口模式出现的预测,并成功优于只考虑成对相关性的伊辛模型。同时,实验数据表明这种方法也适用于慢波睡眠等过程的分析。
Mar, 2009
通过统计力学的视角,提出了在吸引子网络方面的 Hopfield 网络和 Boltzmann 机之间的相似性,并给出了恢复 Hebbian 范式的两种替代方法。同时,强调了铁磁体和运算放大器以及反铁磁体和触发器之间的映射。
Jul, 2014
本文研究有限平均对称神经元连接的稀释吸引子神经网络,通过秩一对称(RS)逼近导出与有限连通性自旋玻璃相似的平衡性质,进行了秩对称的积分方程的分支分析,揭示了相图中的铁磁到扰动和铁磁到自旋玻璃的转化线的位置,计算了回忆相与自旋玻璃相之间的分界线。所有的相变均为连续的。
Apr, 2003
金属自旋玻璃体系的动力学模拟中,利用可扩展的机器学习框架通过预测驱动自旋动力学的电子诱导的局部磁场,发展了一种根据局部磁性环境进行磁性描述的神经网络模型,该模型具有很高的精确性和高效性,并应用于具有淬灭随机性质的杂乱非晶常规 s-d 模型的弛豫动力学研究,展示了机器学习模型在大规模动力学建模中对游离磁体的有希望的潜力。
Nov, 2023