طراحی و شبیه سازی مدل نورونی شبکه عصبی اسپایکینگ بیولوژیکی ایژیکویچ با استفاده از توابع سینوس و کسینوس

پژوهش برروی مدل های جایگزین شبکه های عصبی که به واقعیت بیولوژیکی نزدیک تر هستند، منجر به شکل گیری شبکه های عصبی اسپایکینگ( (SNN شده است. شبکه های عصبی اسپایکینگ مدل های متعددی دارند. یکی از معروف ترین مدل های شبکه عصبی اسپایکینگ، مدل ایژیکویچ است. این مدل به علت دقت بیولوژیکی و بهره وری بالا، برای مطالعه و شبیه سازی مقیاس بزرگ قشر مغز مدلی ایده آل و مناسب است. در این مقاله مدل های نورونی اسپایکینگ ایژیکویچ به منظور کاهش تعداد ضرب کننده ها و داشتن حداکثر دقت با استفاده از توابع سینوس و کسینوس تقریب زده شده است. مدل پیشنهادی SICOIZH نام گذاری شده که مخففی از معادله سینوس و کسینوس و مدل ایژیکویچ است. SICOIZH نسبت به تقریب های قبلی از دقت بالاتری برخوردار است. مدل های تقریب یافته می توانند رفتارهای مختلفی را همانند نورون های بیولوژیکی هم برای تک نورون و شبکه ای از سلول های عصبی به خوبی باز تولید نمایند. نتایج حاصل از شبیه سازی نشان می دهد که خروجی ها در حالت فیکس پوینت منطبق بر خروجی های مدل ایژیکویچ هستند.

Keywords:

Izhikevich , شبکه عصبی , بیولوژیکی , Spiking , مدل نورونی , نرم افزار MATLAB