Details

Данная работа посвящена проектированию, реализации и экспериментальному исследованию малоразмерной спайковой нейронной сети с динамикой конкуренции без победителя (WLC), а также ее количественной верификации на экспериментальных нейронных данных. Задачи, которые решались в ходе исследования: 1. Определение основных феноменов, которые должны воспроизводиться сетью, разработка на их основе архитектуры модели. 2. Определение наиболее важных качественных и количественных характеристик модели, проверка на соответствие ранее определенным принципам. 3. Сравнение свойств модели с эталонным биологическим набором данных. В ходе работы были изучены современные подходы к моделированию биологических нейронных сетей, на основе полученной информации разработан программный комплекс WLC_network, включающий алгоритмы обучения, моделирования, проведения анализа и сравнения с эмпирическими датасетами. Было проведено экспериментальное исследование, анализ динамики и сравнение с датасетом CRCNS pcx-1. Полученные результаты подтверждают гипотезу о том, что WLC-динамика описывает внутреннюю динамику нейронных сетей головного мозга, а динамика разработанной модели совпадает с биологическими нейросетями.

This work is devoted to the design, implementation, and experimental study of a small-scale spiking neural network exhibiting winnerless competition (WLC) dynamics, as well as its quantitative validation against experimental neural data. The research addressed the following tasks: 1. Identification of the key phenomena to be reproduced by the network and development of the model architecture on this basis. 2. Determination of the most important qualitative and quantitative characteristics of the model and verification of their compliance with the previously defined principles. 3. Comparison of the model properties with a reference biological dataset. In the course of the work, modern approaches to the simulation of biological neural networks were studied. Based on the information obtained, the WLC_network software package was developed, incorporating algorithms for training, simulation, analysis, and comparison with empirical datasets. An experimental study was conducted, including dynamic analysis and comparison with the CRCNS pcx-1 dataset. The results obtained support the hypothesis that WLC dynamics describe the intrinsic dynamics of brain neural networks, and that the dynamics of the developed model are consistent with those of biological neural networks.