A parameter optimization method for Digital Spiking Silicon Neuron model
A parameter optimization method for Digital Spiking Silicon Neuron model
复制标题
数字尖峰硅神经元模型的参数优化方法
DOI：
10.2991/jrnal.2017.4.1.21
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
T. Kohno
中科院分区：
文献类型：
--
作者：
Takuya Nanami;F. Grassia;T. Kohno
DSSN 模型是一种定性神经元模型，专为在数字算术电路中高效实现而设计。在我们之前的研究中，我们扩展了这个模型以支持各种神经元类别。 DSSN 模型的参数经过手工调整，可以精确地再现神经元活动。在这项工作中，我们研究了 DSSN 模型的自动参数拟合过程。我们通过基于 GPU 的差分进化算法实现来优化模型参数，以便再现离子电导模型的波形并减少实现所需的电路资源。
DSSN model is a qualitative neuronal model designed for efficient implementation in a digital arithmetic circuit. In our previous studies, we extended this model to support a wide variety of neuronal classes. Parameters of the DSSN model were hand-fitted to reproduce neuronal activity precisely. In this work, we studied automatic parameter fitting procedure for the DSSN model. We optimized parameters of the model by a GPU-based implementation of the differential evolution algorithm in order to reproduce waveforms of the ionic-conductance models and reduce necessary circuit resources for the implementation.