具有树突形态学的神经元网络建模方法及装置

1.本发明涉及类脑计算技术领域，尤其是涉及一种具有树突形态学的神经元网络建模方法及装置。


背景技术：

2.类脑计算是一种参考大脑基本构成结构，以神经元作为基本组成单位，借鉴人脑信息处理机制构建的计算范式。对神经元模型的探究一直是神经科学和类脑计算领域的重要研究问题。
3.神经元的生物物理模型描述了神经元的几何结构与细胞膜属性，可以很好地解释信号在神经元内部的流动过程。这类模型往往需要多组微分方程的耦合计算来获得神经元的放电，计算的过程中会伴随着大量的资源消耗。这种计算资源的大量消耗限制了生物物理模型在神经元网络中的应用。研究者根据神经元的放电特性提出了由简单数学方程描述的现象学模型。这种只关注放电机制的现象学模型被广泛地应用在神经元网络的构建与系统功能的实现中。但是现象学模型忽略了复杂树突对神经元动作电位的影响，导致其构成的网络在生理可解释性上有所欠缺。在此背景下，如何构建一种能够兼具树突形态结构，动作电位产生机制，计算形式简单的神经元，研究一种基于树突形态学的神经元网络建模方法，对于构建具有系统级功能的类脑计算框架具有重要意义。
4.hglm(hierarchical generalized linear model)，递阶广义线性模型。


技术实现要素：

5.本发明旨在提出一种具有树突形态学的神经元网络建模方法及装置，以缓解现有神经动力学神经元网络计算效率较低的技术问题。
6.为达到上述目的，本发明的技术方案是这样实现的：
7.一种具有树突形态学的神经元网络建模方法及装置，包括如下步骤：
8.获取神经元的树突网络几何形态的多间室模型，所述多间室模型的每个树突间室的处理步骤包括突触过滤步骤、线性整合步骤及非线性处理步骤，所述多间室模型的每个胞体间室的处理步骤包括突触过滤步骤、线性整合步骤、非线性处理步骤、泊松尖峰产生步骤、尖峰过滤步骤。
9.获取神经元的生物物理模型，通过神经元的生物物理模型获取输入尖峰序列信号及输出阈下膜电位信号，通过最小二乘法训练获得hglm的连接权值，通过连接权值的改变使生物物理模型的产生神经元的放电数据。
10.将向前hglm的脉冲尖峰信号输出作为向后神经元的尖峰输入信号并实现向前hglm和向后hglm的级联，将向前hglm的脉冲尖峰信号输出到向后神经元的胞体间室并实现胞体通信，将向前hglm的脉冲尖峰信号输出到向后神经元的树突间室并实现树突通信，根据向前hglm的脉冲尖峰信号输出通过单路信道或多路信道传递至向后神经元实现向前hglm和向后hglm之间的单路通信或多路通信。
11.将多个hglm通过单路通信或多路通信级联并构建可体现树突几何形态的神经元网络级联模型。
12.进一步的，所述多间室模型包括突触核过滤的时间常数，间室之间的连接权值，非线性处理参数，静息态膜电位参数，泊松尖峰产生参数，尖峰过滤参数。
13.进一步的，所述生物物理模型包括输入尖峰序列，输出电压值，标准误差值，最大迭代次数。
14.进一步的，所述神经元网络级联模型包括每个神经元的一个胞体间室及多个树突间室的连接结构、神经元的数目、神经元间的级联结构。
15.一种具有树突形态学的神经元网络建模装置，包括：
16.多间室模型构建模块，获取神经元的树突网络几何形态的多间室模型，所述多间室模型的每个树突间室的处理步骤包括突触过滤步骤、线性整合步骤及非线性处理步骤，所述多间室模型的每个胞体间室的处理步骤包括突触过滤步骤、线性整合步骤、非线性处理步骤、泊松尖峰产生步骤、尖峰过滤步骤。
17.放电功能拟合模块，获取神经元的生物物理模型，通过神经元的生物物理模型获取输入尖峰序列信号及输出阈下膜电位信号，通过最小二乘法训练获得hglm的连接权值，通过连接权值的改变使生物物理模型的产生神经元的放电数据。
18.神经元级联模块，将向前hglm的脉冲尖峰信号输出作为向后神经元的尖峰输入信号并实现向前hglm和向后hglm的级联，将向前hglm的脉冲尖峰信号输出到向后神经元的胞体间室并实现胞体通信，将向前hglm的脉冲尖峰信号输出到向后神经元的树突间室并实现树突通信，根据向前hglm的脉冲尖峰信号输出通过单路信道或多路信道传递至向后神经元实现向前hglm和向后hglm之间的单路通信或多路通信。
19.网络级联模块，将多个hglm通过单路通信或多路通信级联并构建可体现树突几何形态的神经元网络级联模型。
20.(1)本发明所述的神经元网络建模方法构建了具备神经元生理特性与高效计算效率的神经元网络，构建的神经元网络不仅考虑了神经元树突网络的几何形态与整合机制对神经元放电特性造成的影响，在网络功能实现的过程中还保证了较少的计算资源消耗，为神经元网络的建模提供了新的设计方案。
21.(2)本发明所述的神经元网络建模方法可以帮助我们探究脑机制与神经信号之间的关系，本发明搭建的神经元网络中，神经元的几何形态与计算参数都是具有生理依据的，且在神经元放电信号的计算过程中可以观测到神经元内部信号的流动。这种神经元网络模型是具有生理可解释性的，可以有效地探究人脑系统级功能的产生原因。
22.(3)本发明所述的神经元网络建模方法有助于构建高效的类脑计算平台，本发明搭建的神经元网络中，神经元内部间室的计算形式十分简单，神经元之间传递脉冲尖峰序列，使得构建的神经元网络实现功能所需消耗的计算内存和时间很少，为高效实时的类脑计算平台的开发提供了解决方案。
附图说明
23.构成本发明创造的一部分的附图用来提供对本发明创造的进一步理解，本发明创造的示意性实施例及其说明用于解释本发明创造，并不构成对本发明创造的不当限定。在
附图中：
24.图1为本发明实施例所述的具有树突形态学的神经元网络建模方法的流程示意图；
25.图2为本发明实施例所述的具有树突形态学的神经元网络建模装置的结构框图。
26.附图标记说明：
27.100-多间室模型构建模块；200-放电功能拟合模块；300-神经元级联模块；400-网络级联模块。
具体实施方式
28.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.实施例一
30.本实施例所要解决的技术问题是现有的神经动力学神经网络计算效率较低的问题，为了解决上述技术问题，本实施例提供一种具有树突形态学的神经元网络建模方法，如图1所示，包括如下步骤：
31.s110：获取神经元的树突网络几何形态的多间室模型，所述多间室模型的每个树突间室的处理步骤包括突触过滤步骤、线性整合步骤及非线性处理步骤，所述多间室模型的每个胞体间室的处理步骤包括突触过滤步骤、线性整合步骤、非线性处理步骤、泊松尖峰产生步骤、尖峰过滤步骤。
32.s120：获取神经元的生物物理模型，通过神经元的生物物理模型获取输入尖峰序列信号及输出阈下膜电位信号，通过最小二乘法训练获得hglm的连接权值，通过连接权值的改变使生物物理模型的产生神经元的放电数据。
33.s130：将向前hglm的脉冲尖峰信号输出作为向后神经元的尖峰输入信号并实现向前hglm和向后hglm的级联，将向前hglm的脉冲尖峰信号输出到向后神经元的胞体间室并实现胞体通信，将向前hglm的脉冲尖峰信号输出到向后神经元的树突间室并实现树突通信，根据向前hglm的脉冲尖峰信号输出通过单路信道或多路信道传递至向后神经元实现向前hglm和向后hglm之间的单路通信或多路通信。
34.s140：将多个hglm通过单路通信或多路通信级联并构建可体现树突几何形态的神经元网络级联模型。
35.本发明所述的神经元网络建模方法构建了具备神经元生理特性与高效计算效率的神经元网络，构建的神经元网络不仅考虑了神经元树突网络的几何形态与整合机制对神经元放电特性造成的影响，在网络功能实现的过程中还保证了较少的计算资源消耗，为神经元网络的建模提供了新的设计方案。
36.实施例二
37.本实施例提供一种优化的具有树突形态学的神经元网络建模方法，包括如下步骤：
38.(1)构建具有树突形态的递阶广义线性模型。
39.获取神经元的树突网络几何形态的多间室模型，所述多间室模型包括突触核过滤的时间常数，间室之间的连接权值，非线性处理参数，静息态膜电位参数，泊松尖峰产生参数，尖峰过滤参数。所述多间室模型的每个树突间室的处理步骤包括突触过滤，线性整合，非线性处理，所述多间室模型的每个胞体间室的处理步骤包括突触过滤，线性整合，非线性处理，泊松尖峰产生，尖峰过滤。
40.(2)拟合生物物理模型的放电功能。
41.获取神经元的生物物理模型，所述生物物理模型包括输入尖峰序列，输出电压值，标准误差值，最大迭代次数。通过神经元的生物物理模型获取输入尖峰序列信号及输出阈下膜电位信号，通过最小二乘法训练获得hglm的连接权值，通过连接权值的改变使生物物理模型的产生神经元的放电数据。
42.(3)根据不同的通信方式实现神经元之间的级联。
43.将向前hglm的脉冲尖峰信号输出作为向后神经元的尖峰输入信号并实现向前hglm和向后hglm的级联，将向前hglm的脉冲尖峰信号输出到向后神经元的胞体间室并实现胞体通信，将向前hglm的脉冲尖峰信号输出到向后神经元的树突间室并实现树突通信，根据向前hglm的脉冲尖峰信号输出通过单路信道或多路信道传递至向后神经元实现向前hglm和向后hglm之间的单路通信或多路通信。
44.(4)构建具有树突几何形态的神经元网络级联模型。
45.将多个hglm通过单路通信或多路通信级联并构建可体现树突几何形态的神经元网络级联模型。所述神经元网络级联模型包括每个神经元的一个胞体间室及多个树突间室的连接结构、神经元的数目、神经元间的级联结构。
46.本发明所述的神经元网络建模方法构建了具备神经元生理特性与高效计算效率的神经元网络，构建的神经元网络不仅考虑了神经元树突网络的几何形态与整合机制对神经元放电特性造成的影响，在网络功能实现的过程中还保证了较少的计算资源消耗，为神经元网络的建模提供了新的设计方案。
47.本发明所述的神经网络建模方法可以帮助我们探究脑机制与神经信号之间的关系，本发明搭建的神经网络中，神经元的几何形态与计算参数都是具有生理依据的，且在神经元放电信号的计算过程中可以观测到神经元内部信号的流动。这种神经网络模型是具有生理可解释性的，可以有效地探究人脑系统级功能的产生原因。
48.本发明所述的神经网络建模方法有助于构建高效的类脑计算平台，本发明搭建的神经网络中，神经元内部间室的计算形式十分简单，神经元之间传递脉冲尖峰序列，使得构建的神经网络实现功能所需消耗的计算内存和时间很少，为高效实时的类脑计算平台的开发提供了解决方案。
49.实施例三
50.本实施例提供一种具有树突形态学的神经元网络建模装置，如图2所示包括：
51.多间室模型构建模块100，获取神经元的树突网络几何形态的多间室模型，所述多间室模型的每个树突间室的处理步骤包括突触过滤步骤、线性整合步骤及非线性处理步骤，所述多间室模型的每个胞体间室的处理步骤包括突触过滤步骤、线性整合步骤、非线性处理步骤、泊松尖峰产生步骤、尖峰过滤步骤。
52.放电功能拟合模块200，获取神经元的生物物理模型，通过神经元的生物物理模型
获取输入尖峰序列信号及输出阈下膜电位信号，通过最小二乘法训练获得hglm的连接权值，通过连接权值的改变使生物物理模型的产生神经元的放电数据。
53.神经元级联模块300，将向前hglm的脉冲尖峰信号输出作为向后神经元的尖峰输入信号并实现向前hglm和向后hglm的级联，将向前hglm的脉冲尖峰信号输出到向后神经元的胞体间室并实现胞体通信，将向前hglm的脉冲尖峰信号输出到向后神经元的树突间室并实现树突通信，根据向前hglm的脉冲尖峰信号输出通过单路信道或多路信道传递至向后神经元实现向前hglm和向后hglm之间的单路通信或多路通信。
54.网络级联模块400，将多个hglm通过单路通信或多路通信级联并构建可体现树突几何形态的神经元网络级联模型。
55.在本发明创造的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明创造和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明创造的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。
56.在本发明创造的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明创造中的具体含义。
57.以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明创造的保护范围之内。