AACIMP 2009 Summer School lecture by Ruben Tikidji-Hamburyan. "Neuromodelling" course. 3rd hour.

1. Южный Федеральный Университет
НИИ Нейрокибернетики им А.Б. Когана
Лаборатория Нейроинформатики
Сенсорных и Моторных Систем
Как мы находим источник звука:
биофизические модели нейронных механизмов
локализации источника звука в пространстве
Тикиджи – Хамбурьян Рубен Акимович
rth@nisms.krinc.ru

2. How to localize the sound source:
Δt ~ 80 mks τ ≥ 700 mks

3. How to localize the sound source:
coincidence detectors

5. How to localize the sound source:
coincidence detectors or I-E
populations?

6. Аналитическое решение
du
 =i e t −i i t −u
dt

7. Аналитическое решение
du
 =i e t −i i t −u
dt
 
i t = 1−
t
s
t
i t = exp 1−
s
t
 
s

8. Аналитическое решение
du
 =i e t −i i t −u
dt 0мс 0.3мс 0.6мс
 
i t = 1−
t
s
t
i t = exp 1−
s
t
s  
τ=1мс, τsi=7.5мс, τse=2.5мс
для активации линейным входом I. αi=0.2, αe=0.17; II. αi=0.21, αe=0.15; III. αi=0.22, αe=0.13);
для α синапсом I. αi= 0.015, αе=0.025; II. αi=0.016, αе=0.024; III. αi=0.017, αe=0.023;
(I. сплошная линия, II. пунктирная, III штриховая).

10. How to localize the sound source:
coincidence detectors or I-E
populations?
Тикиджи-Хамбурьян Р.А., Полевая С.А.
Локализация источника звука искусственной
нейронной сетью, основанной на
модифицированных импульсных нейронах со
следовой поляризацией.
Нейрокомпьютеры: разработка, применение,
2004, № 11, с. 41-45.
В.А. Васильков, Р.А. Тикиджи – Хамбурьян
Исследование возможных механизмов
детектирования коротких временных задержек
популяцией E-I нейронов
Нейрокомпьютеры: разработка, применение,
2008, № 5-6, с.46-53

11. Outputs of I-E neurons population when Δt in [-4, 4]ms.

12. Outputs of I-E neurons population when Δt in [-1, 1]ms.

13. Outputs of I-E neurons population when Δt in [-0.2, 0.2]ms.

14. Comparison with psychophysical tests

15. Detection quality measure(criterion)
1 m× k
∆ Ni
Φ =
m× k
∑i= 1 N × ∆ Ti
,
where: N – amount of network elements, ∆N – change of pulses amount
in population respecting to change of time delay (∆t) to ∆T, m – amount
of simulations with different ∆t in one test, k – general amount of tests
(number of experiments).

16. Ф= 0,51 Ф= 0,47 Ф= 0,32
Plot diagram of model outputs and average value of pulse amount for ten
computer experiments with 1- 4 кHz noise presence.

17. The bar chart of dependence of Ф value from noise
amplitude.

18. Фазовый шум ±2.0мс
Фазовый шум ±2.6мс

19. Фазовый шум ±2.0мс
Ср.кв. Отклонение 1.0
Фазовый шум ±2.0мс
Ср.кв. Отклонение 10.0