Im nichtlinearen Modell eines Neurons gab es eine Erwähnung über Vorspannung (Bₖ), die die Summierung der synaptischen Gewichte war.
Ich möchte verstehen, was synaptische Vorspannung ist und ihre Anwendung/Verwendung in der neuronalen Modellierung.
Künstliche Neuronen werden oft mit der Konvention erstellt, dass Null "Rest" und 1 "Schwellenwert" ist. Die Einheit beginnt bei 0, und wenn sie 1 erreicht, sendet sie eine Eingabe an alle ihre Ziele und wird auf 0 zurückgesetzt.
Dies ist nicht genau, wie echte biologische Neuronen funktionieren, aber es ist in einigen Kontexten eine vernünftige Annäherung (und kann Berechnungen in der realen Welt durchführen).
Die meisten Eingaben in eine Einheit sind variabel, sodass Sie dem Neuron basierend auf dem synaptischen Gewicht eine gewisse Spannung hinzufügen. Beispielsweise würde eine Eingabe mit einer Gewichtung von "0,2" die Zelle um 1/5 des Weges zum Schwellenwert verschieben.
Wenn Leute von einem Bias-Input sprechen, beziehen sie sich auf einen zusätzlichen "always-on"-Input mit einem kleinen synaptischen Gewicht. Dies kann in einer undichten Integrate-and-Fire-Zelle einen Rest größer als 0 aufrechterhalten; Dadurch können einige biologisch relevantere Formen der Hemmung (negative synaptische Gewichte) einen Einfluss auf die Einheit haben, indem sie den Bias-Eingang ausgleichen und die Spannung auf 0 zurückschieben.
Häufiger bin ich mit der Verwendung eines Bias-Eingangs in Netzwerken vertraut, die nicht undicht sind. Diese Netzwerke integrieren sich einfach, bis sie den Schwellenwert erreichen (obwohl sie möglicherweise negative Eingaben erhalten oder nicht). Für diese Netzwerke (oder für ein undichtes Netzwerk, bei dem der Bias-Strom im Verhältnis zum Leck beträchtlich ist), stellt das Hinzufügen eines Bias-Eingangs sicher, dass das Netzwerk aufgrund einer Periode geringer Aktivität nicht stochastisch „einschläft“ . Wenn der Bias-Strom beispielsweise "0,02" Einheiten pro Zyklus entspricht, würden Sie garantieren, dass die Zelle alle 50 Zyklen einmal ohne andere Eingabe zündet.
Es gibt einige wirklich erregbare Gewebe, die ein ähnliches Verhalten zeigen, aber nicht aufgrund eines echten Bias-Eingangs. Vielmehr gibt es intrinsische Kanäle, die eine Zelle langsam depolarisieren. Einige Beispiele finden sich in Herzmuskelzellen und dem Sinusknoten, die den „natürlichen Schrittmacher“ des Herzens bilden, sowie in Schaltkreisen des Gehirns, die die Atmung steuern. Der Bias-Input ist eine Art "erfundenes" Konstrukt, das funktional, aber nicht mechanistisch, mit der realen Biologie korreliert.