2020年7月4日 随机过程大作业

现在我知道了神经元模型主要是两种:
一个是Hodgkin–Huxley model ,特点是逼真,但计算量较大
另外一个是leaky integrate-and-fire model ,特点是计算量小,精度尚可。
另外 我手头还有一个Izhikevich model的代码,号称结合上面两个的优点

任务:
1.找到实际的神经脉冲数据
2.对它进行建模
3.泊松过程是否合适(很明显是不太合适的,需要调整)
4.给出该泊松过程或者Hawkes process的参数

也就是说,我现在没有必要去搞清楚这些所谓的神经元模型是如何工作的,大概了解一下就好了,我现在需要做的是,找到实际的神经脉冲数据,看有没有文章对其进行处理的。然后复现。

尖峰之后有一个“绝对不应期”,然后还有一个“相对不应期”,在这个期间,神经元对刺激是没有反应的。这个特点,不符合泊松的独立增量(or 平稳增量),也就是说,强度lambda是一个关于t的变量,即lambda(t)。

设T为“绝对不应期”,初始时刻为0.
那么lambda(t)=0, when t 好了,那么我们应该如何更加精细化这个泊松过程,使得实际的脉冲神经元反应与之相符呢?

你可能感兴趣的:(随机过程)