KIP-Veröffentlichungen

Abhängig von den Eigenschaften und der Anzahl ihrer gemeinsamen Inputs weisen Neurone ein variierendes Maß an korreliertem Verhalten auf. Insbesondere, aber nicht nur, im Kontext neuromorpher Hardware, bei der begrenzte Bandbreite unweigerlich zu Überlagerungen des Inputs führen kann, ist es wichtig, die daraus resultierende korrelierte Dynamik quantifizieren und vorhersagen zu können. In dieser Arbeit wird ein mathematischer Formalismus entwickelt, welcher es erlaubt, die Membranpotentialverteilung von LIF-Neuronen vorherzusagen, sowohl für den strom- als auch für den konduktanzbasierten Fall. Bei Letzterem wird als Näherung ein Zustand hoher Membrankonduktanz angenommen. Die hieraus gewonnenen Resultate werden benutzt, um Korrelationen des unterschwelligen Membranpotentialverlaufs und des Spike-Verhaltens vorherzusagen. Diese werden definiert über zwei Maße: der Pearson-Korrelationskoeffizient und die Symmetrische Unbestimmtheit.

Depending on the nature and number of shared afferent inputs, neurons display varying degrees of correlated behavior. Especially in, but not only limited to, the context of neuromorphic hardware, where finite bandwidth may cause inevitable input overlap, it is important to be able to quantify and predict the resulting amount of neural response correlation. In this thesis, a mathematical framework is derived which allows an analytic prediction of membrane potential distributions of LIF neurons, both current- and conductance-based, the latter being treated in the high conductance state approximation. These results are subsequently used to predict both subthreshold and spike-based correlations, as quantified by two different measures: Pearson’s product-moment correlation coefficient and the Symmetric Uncertainty.