Optimization Methods in Neuromodelling

15
Южный Федеральный Университет Лаборатория Нейроинформатики Сенсорных и Моторных Систем НИИ Нейрокибернетики им А.Б. Когана Тикиджи – Хамбурьян Рубен Акимович [email protected] МЕТОДЫ ОПТИМИЗАЦИИ В НЕЙРОМОДЕЛИРОВАНИИ

Transcript of Optimization Methods in Neuromodelling

Page 1: Optimization Methods in Neuromodelling

Южный Федеральный Университет

Лаборатория НейроинформатикиСенсорных и Моторных Систем

НИИ Нейрокибернетики им А.Б. Когана

Тикиджи – Хамбурьян Рубен Акимович[email protected]

МЕТОДЫ ОПТИМИЗАЦИИ В НЕЙРОМОДЕЛИРОВАНИИ

Page 2: Optimization Methods in Neuromodelling

Операторы скрещивания и мутации

Z={z i }={x1 , x2 ,⋯, xk−1 , yk ,⋯ , yn }

X={x1, x2,⋯ , xn } Y={ y1, y2,⋯ , yn}

X и Y – родительские хромосомы:

xi и y

i – отдельные гены в хромосомах родителей, Z

– хромосома потомка, zi – ген в хромосоме потомка,

n – общее число генов в хромосоме, k – целое случайное число k∈[1,n ]

z k=z k

Page 3: Optimization Methods in Neuromodelling

Операторы скрещивания и мутации

Z={z i }; z i=x i yi−xi z k=z kl z k

r−z kl

где: ζ – случайное число, zkl и z

kr – левые и правые

максимальные границы значения параметра zk.

Page 4: Optimization Methods in Neuromodelling

Операторы скрещивания и мутации

Page 5: Optimization Methods in Neuromodelling

Индивидуальная адаптивная мутация

R X ,Y =∏i=1

n min x i , yi max xi , y i

Page 6: Optimization Methods in Neuromodelling

Индивидуальная адаптивная мутация

R X ,Y =∏i=1

n minx i , yimax xi , yi

mi= maxj∈[i1,S ]

R X i ,X j

Page 7: Optimization Methods in Neuromodelling

Индивидуальная адаптивная мутация

R X ,Y =∏i=1

n minx i , yimax xi , yi

mi= maxj∈[i1,S ]

R X i ,X j

pi={ if mi1−1− mi−11 else

Page 8: Optimization Methods in Neuromodelling

Ограничение второго порядка

if pi : X i removed

где Θ – порог ограничения второго порядка, определяющий степень мутаций, «несовместимых с жизнью».

Page 9: Optimization Methods in Neuromodelling

ПопробуемТаб. 1 Список свободных параметров модели и диапазоны их изменения.

ПараметрМинимальное

значение

Максимальное

значение

Проводимость утечки [mS/cm2] 0.01 0.1

Потенциал утечки [mV] -70 -58

Проводимость быстрого натриевого канала [mS/cm2] 40 55

Температурный коэффициент быстрого натриевого канала 0.125 1.0

Проводимость медленного калиевого канала [mS/cm2] 9.0 20.0

Температурный коэффициент медленного калиевого канала 0.125 1.0

Проводимость быстрого калиевого канала A-типа [mS/cm2] 0.5 5.5

Проводимость высокопорогового кальциевого канала

[mS/cm2]

0.1 1.5

Проводимость кальций зависимого калиевого канала

[mS/cm2]

0.2 10.0

Проводимость неинактивируемого натриевого канала

[mS/cm2]

0.01 0.2

Коэффициент нарастания внутриклеточного кальция 1.0 7.5

Постоянная времени выброса кальция из клетки [ms] 20.0 300.0

Коэффициент нарастания синаптической проводимости 0.7 7.0

Постоянная времени выброса синаптической проводимости

[ms]

1.0 20.0

Максимальное значение синаптической проводимости [mS] 1е-7 1е-5

Page 10: Optimization Methods in Neuromodelling

Пример эволюции первых 84-х поколений из 1008 особей. Начальная популяция из девяти особей для всех методов одинаковая. ○ – ГА с бинарным скрещиванием; ◊ – с введением двух типов скрещивания; □ – тоже что и ○, но с адаптивной индивидуальной мутацией Θ = 0.7 и θ = 0.75; х – полностью модифицированный ГА. Для всех вариантов эволюций S = 120. По оси: абсцисс – общее число особей, принявших участие в эволюции, ординат – значение ЦФ.

Page 11: Optimization Methods in Neuromodelling

Динамика появления новой особи с максимальным значением ЦФ (маркируется треугольником, левая ось), средним значением ЦФ по популяции (пунктирная линия, левая ось) и средним значением фактора мутации (непрерывная линия, правая ось в %) на протяжении эволюции сорока тысяч особей (более трех тысяч поколений). Единица измерения по оси абсцисс – тысяча особей, принявших участие в эволюции.

Page 12: Optimization Methods in Neuromodelling
Page 13: Optimization Methods in Neuromodelling

Почему это работает?

Page 14: Optimization Methods in Neuromodelling

Почему это работает?

{... 0.05, ...}{... 2.0, ...}

{... 0.3, ...}{... 0.07, ...} {... 0.07, ...}

xia x

ib

Page 15: Optimization Methods in Neuromodelling

http://www.niisi.ru/iont/ni/Journal/V3/N1/TikH.pdf

http://www.biomedcentral.com/1471-2202/9/S1/P91