Necessary Conditions for Reliable Representation of Asynchronous Spikes Through a Single-layered Feedforward Network
Notice bibliographique
Résumé
Abstract Reliable propagation of firing rate – specifically slow modulation of asynchronous spikes in fairly short time windows [20-500] ms across multiple layers of a feedforward network (FFN) receiving background synaptic noise has proven difficult to capture in spiking models. We, in this paper, explore how information of asynchronous spikes disrupted in the first layer of a typical FFN , and which factors can enable reliable information representation. Our rationale is that the reliable propagation of information across layers of a FFN is likely if that information can be preserved in the first layer of the FFN. In a typical FFN, each layer comprises a certain number (network size) of excitatory neurons – leaky integrate and fire (LIF) model neuron in this paper – receiving correlated input (common stimulus from the upstream layer) plus independent background synaptic noise. We develop a reduced network model of FFN which captures main features of a conventional all-to-all connected FFN. Exploiting the reduced network model, synaptic weights are calculated using a closed-form optimization framework that minimizes the mean squared error between reconstructed stimulus (by spikes of the first layer of FFN) and the original common stimulus. We further explore how representation of asynchronous spikes in a FFN changes with respect to other factors like the network size and the level of background synaptic noise while synaptic weights are optimized for each scenario. We show that not only synaptic weights but also the network size and the level of background synaptic noise are crucial to preserve a reliable representation of asynchronous spikes in the first layer of a FFN. This work sheds light in better understanding of how information of slowly time-varying fluctuations of the firing rate can be transmitted in multi-layered FFNs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».