Publication

Slow fluctuations in recurrent networks of spiking neurons

Tilo Schwalger
2015
Journal Articles

Résumé

Networks of fast nonlinear elements may display slowfluctuations if interactions are strong. We find a transition in the long-term variability of a sparse recurrent network of perfect integrate-and-fire neurons at which the Fano factor switches from zero to infinity and the correlation time is minimized. This corresponds to a bifurcation in a linear map arising from the self-consistency of temporal input and output statistics. More realistic neural dynamics with a leak current and refractory period lead to smoothed transitions and modified critical couplings that can be theoretically predicted.

Source officielle

https://infoscience.epfl.ch/entities/publication/e4544cf6-74cc-4e3e-a34e-bd4fbb7e687a

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Slow fluctuations in recurrent networks of spiking neurons

Chattez avec Graph Search

Task-driven neural network models predict neural dynamics of proprioception: Neural network model weights

Fast adaptation to rule switching using neuronal surprise

Task-driven neural network models predict neural dynamics of proprioception: Experimental data, activations and predictions of neural network models