Clustering predicts memory performance in networks of spiking and non-spiking neurons.
Clustering predicts memory performance in networks of spiking and non-spiking neurons.
复制标题
DOI：
10.3389/fncom.2011.00014
复制
发表时间：
2011
影响因子：
3.2
通讯作者：
Davey N
中科院分区：
文献类型：
--
作者：
Chen W;Maex R;Adams R;Steuber V;Calcraft L;Davey N
我们在本文中解决的问题是在稀疏的联想记忆中找到有效且简约的连接模式。这个问题必须在真实的神经系统中得到解决，这样人工系统的结果才能为真实系统带来启发。我们证明存在有效的连接模式，并且这些模式在具有尖峰或非尖峰神经元的模型中都是有效的。这表明可能存在一些管理此类网络中良好连接性的基本一般原则。我们还表明，通过聚类系数测量的网络聚类与联想记忆的性能具有很强的负线性相关性。这个结果很重要，因为网络连接的纯静态测量似乎可以确定网络的重要动态属性。
The problem we address in this paper is that of finding effective and parsimonious patterns of connectivity in sparse associative memories. This problem must be addressed in real neuronal systems, so that results in artificial systems could throw light on real systems. We show that there are efficient patterns of connectivity and that these patterns are effective in models with either spiking or non-spiking neurons. This suggests that there may be some underlying general principles governing good connectivity in such networks. We also show that the clustering of the network, measured by Clustering Coefficient, has a strong negative linear correlation to the performance of associative memory. This result is important since a purely static measure of network connectivity appears to determine an important dynamic property of the network.
登录
查看更多内容
影响因子：
3.7
作者：
Humphries MD;Gurney K
通讯作者：
Gurney K
影响因子：
5.3
作者：
Davey, Neil;Calcraft, Lee;Adams, Rod
通讯作者：
Adams, Rod
影响因子：
5.3
作者：
Belmonte, MK;Allen, G;Webb, SJ
通讯作者：
Webb, SJ
影响因子：
5.3
作者：
Lynall, Mary-Ellen;Bassett, Danielle S.;Bullmore, Edward T.
通讯作者：
Bullmore, Edward T.
影响因子：
--
作者：
Anishchenko, Anastasia;Treves, Alessandro
通讯作者：
Treves, Alessandro