KIP-Veröffentlichungen

Die Motivation dieser Arbeit war es, Feuermoden von strombasierten “Leaky-Integrate-and-Fire”-Netzwerken zu untersuchen. Besonders interessant sind die biologisch konsistenten Asynchronen Irregulären (AI) Zustände, die breite Anwendung finden, die spontane Ruhezustands-Aktivität in kortikalen Gebieten zu beschreiben. Neben der biologischen Relevanz können solche Feuermoden als Generatoren für Hintergrundaktivität mit Einbettung in probabilistische Inferenz-Netzwerke benutzt werden.
Um Netzwerk-Topologien für diese Moden zu finden, wurden strombasierte Netzwerke mit dem Netzwerksbeschreibungssprache PyNN aufgesetzt. Über eine große Bandbreite an Netzwerk-Konfigurationen, wie das Verhältnis von Exzitation zu Inhibition der rekurrenten Verbindungen, die Verbindungswahrscheinlichkeit und Verteilungen über synaptische Gewichte, wurden Simulationen ausgeführt. Um die durch diese Einstellungen determinierten drei Feuermoden zu erzeugen, wurden die Regularität und Synchronizität der resultierenden Feuersequenzen mithilfe von Kreutzkorrelations-Maße und “Inter-Spike-Intervall” Verteilungen berechnet .
Die gesamte Populationsraten der Asynchronen Irregulären Netzwerkszustände wurden durch eine Molekularfeld-Beschreibung und einer Erstpassagenzeit-Kalkulation für einen Ornstein-Uhlenbeck-Prozess berechnet. Vergleiche zu Simulationsergebnisse wiesen eine gute Übereinstimmung auf und erlauben somit eine Vorhersage für Feuerraten, die als Input für die oben erwähnten probabilistischen Modelle dienen.

The objective of this thesis was to investigate firing modes in current-based leaky integrate-and-fire networks. Particularly interesting are the biologically plausible Asynchronous Irregular (AI) states, which are widely used to describe spontaneous resting activity in cortical areas. Aside from biological relevance, such firing modes can be used as background input generators embedded in probabilistic inference networks.
To find network topologies for these modes, current-based networks were set up with the network description language PyNN. Simulations have been performed over a range of network configurations, such as the excitation-to-inhibition ratio of recurrent connections, their connection probability and synapse strength distributions. To assess the three occurring firing modes determined by these settings, the regularity and synchrony of the resulting spike trains have been calculated using cross correlation measures and interspike interval distributions.
The total population rates of the asynchronous irregular network states were computed by using a mean-field description and calculating the first passage-times for an Ornstein-Uhlenbeck process. Comparisons to simulation results indicate good agreement, allowing to predict the firing output to be used as input for aforementioned probabilistic models.