Spiking neural network simulation: numerical integration with the Parker-Sochacki method.
Spiking neural network simulation: numerical integration with the Parker-Sochacki method.
复制标题
DOI：
10.1007/s10827-008-0131-5
复制
发表时间：
2009-08
影响因子：
1.2
通讯作者：
Bair, Wyeth
中科院分区：
文献类型：
--
作者：
Stewart, Robert D.;Bair, Wyeth
数学神经元模型通常使用微分方程式来表示。Parker-Sochacki方法是一种适用于多种神经元模型的微分方程组数值积分新技术。该方法可以在不改变积分时间步长的情况下，根据每个时间步长的局部条件调整解的阶数，从而实现自适应误差控制。该方法仅限于多项式方程，但我们提出了除法和幂运算，扩展了它的范围。我们将Parker-Sochacki方法应用于Izhikevich‘Simple’模型和Hodgkin-Huxley神经元，并与用Runge-Kutta和Bulirsch-Stoer方法得到的结果进行了比较。基准模拟表明，与这些已建立的技术相比，该方法的速度/精度得到了改进。
Mathematical neuronal models are normally expressed using differential equations. The Parker-Sochacki method is a new technique for the numerical integration of differential equations applicable to many neuronal models. Using this method, the solution order can be adapted according to the local conditions at each time step, enabling adaptive error control without changing the integration timestep. The method has been limited to polynomial equations, but we present division and power operations that expand its scope. We apply the Parker-Sochacki method to the Izhikevich ‘simple’ model and a Hodgkin-Huxley type neuron, comparing the results with those obtained using the Runge-Kutta and Bulirsch-Stoer methods. Benchmark simulations demonstrate an improved speed/accuracy trade-off for the method relative to these established techniques.
登录
查看更多内容
影响因子：
--
作者：
Izhikevich, EM
通讯作者：
Izhikevich, EM
DOI：
10.1098/rspb.1984.0024
发表时间：
1984-01-01
期刊：
PROCEEDINGS OF THE ROYAL SOCIETY SERIES B-BIOLOGICAL SCIENCES
影响因子：
--
作者：
HINDMARSH, JL;ROSE, RM
通讯作者：
ROSE, RM
影响因子：
2.9
作者：
Ermentrout, B
通讯作者：
Ermentrout, B
影响因子：
2.5
作者：
Latham, PE;Richmond, BJ;Nirenberg, S
通讯作者：
Nirenberg, S
影响因子：
2.1
作者：
Floater, Michael S.;Hormann, Kai
通讯作者：
Hormann, Kai