User Tools

Site Tools


neurali:nest_modelli

Modelli usati con NEST

Distinguere:

  • neurone
  • sinapsi

Si è già visto che i neuroscienziati hanno scoperto diversi tipi neuroni. NEST utilizza dei modelli matematici equivalenti per i neuroni, per descrivere la generazione e la durata degli impulsi emessi.

Per descrivere i pesi delle connessioni, e le leggi con cui si modificano, si utilizzano modelli di sinapsi.

Sinapsi

I pesi delle connessioni sono stabiliti durante la fase di addestramento. Dopo l'addestramento la rete neurale può essere utilizzata per riprodurre il comportamento di una certa funzione (fornendo input e ricevendo output). La plasticità di una sinapsi indica quanto è possibile modificare i pesi dopo la fase diaddestramento, durante la fase di produzione, di esercizio o utilizzo. La modifica dei pesi permette di realizzare funzioni neurali che non possono essere ottenute usando pesi costanti, come la memoria. Con i pesi costanti si potrebbero ottenere funzioni neurali che non cambiano con il tempo, come la capacità di riconoscere i colori oppure le forme.

Anche la plasticità di una sinapsi può essere rappresentati tramite diversi modelli:

Funzione python per visualizzare tutti i modelli disponibili

nest.Models(synapses)

Una delle caratteristiche che contraddistingue una sinapsi è la sua destinazione finale.

  • allow_autapses:true (autoapsi)
  • allow_multipses:true (sinapsi multiple)

Tipi di connessione

  • one_to_one (default, ogni neurone è connesso ad uno e un solo altro neurone e viceversa)
  • all_to_all (ogni neurone è connesso a tutti gli altri neuroni, a maglia completa)
  • fixed_indegree (parametrico, N , stabilisco n. connessioni fisso in ingresso verso l'altra lista)
  • fixed_outdegree (meno efficiente del precedente)
  • fixed_total_numer (parametrico, N, stabilisco il n. di connessioni in ingresso verso l'altra lista)
  • pairwise_bernoulli (parametrico, p è la distribuzione di probabilità per generare casualmente connessioni)
  • Questa funzione accetta anche due volte la stessa lista di nodi

Modelli di neuroni

Le caratteristiche indicate hanno dei valori numerici predefiniti, ma il programmatore può modificare questi valori per ottenere comportamenti leggermente diversi

nest modello iaf_neuron

neurali/nest_modelli.txt · Last modified: 2023/05/25 10:01 by profpro