KIP publications

 
year 2012
author(s) Sebastian Lackner
title Parameteroptimierung für Adaptive Exponential Integrate-and-Fire Neuronen
KIP-Nummer HD-KIP 12-79
KIP-Gruppe(n) F9
document type Bachelorarbeit
Abstract (de)

Im Rahmen dieser Arbeit werden verschiedene Algorithmen vorgestellt, um aus gegebenen Membranpotentialverläufen oder Spikezeiten eines Neurons die Parameter des Adaptive Exponential Integrate-and-Fire Modells zu extrahieren. Zuerst wird ein Algorithmus vorgestellt, der basierend auf Membranpotentialdaten eine lineare Regression durchführt, anschließend werden verschiedene Verbesserungsmöglichkeiten diskutiert. Dann werden zwei Spikebasierte Optimierungsverfahren (Partikelschwarm und Hillclimbing) hinsichtlich Konvergenzgeschwindigkeit und Qualität der Fits miteinander verglichen. Außerdem wurde ein neues Verfahren zur Abschätzung der Neuronparameter des zugrundeliegenden Modells entwickelt, welches die Schritte Neuronsimulation und Metrikberechnung miteinander kombiniert. Zuletzt wurden diese Algorithmen an einer Vielzahl von künstlichen und praxisnahen Szenarien getestet, um zu analysieren, welche Algorithmen für welche Anwendungsfälle am besten geeignet sind. Dabei wird jeweils diskutiert, inwieweit die Algorithmen auch für eine Kalibration einzelner Neuronen der BrainScaleS-Hardware geeignet sind.

Abstract (en)

This thesis introduces several algorithms to determine neuron specific parameters of the adaptive exponential integrate-and-fire model given membrane and spike time data. First, an algorithm based on linear regression using membrane voltage traces is presented. Several extensions to improve the fit quality are discussed. Second, two spike-based optimization algorithms (particle-swarm and hillclimbing) are analyzed and compared with respect to their speed of convergence and their fit results. Third, we introduced a novel optimization algorithm to estimate the neuron parameters. It combines the steps of neuron simulation and metric evaluation. Finally, all algorithms are tested using a wide variety of artificial and measured data, in order to determine, which algorithm performs best for specific circumstances. Moreover, for each algorithm we discuss, if it is suited for calibrations of single neurons on the BrainScaleS-hardware.

Datei Bachelorarbeit Sebastian Lackner
up
KIP - Bibliothek
Im Neuenheimer Feld 227
Raum 3.402
69120 Heidelberg