Surrogate Gradients for Gradient-Based Parameter Estimation in Simplified Neuron Models
Dieses Paper führt ein differenzierbares adaptives Exponential Integrate-and-Fire-Modell unter Verwendung von Surrogate-Gradienten innerhalb des Jaxley-Frameworks ein und zeigt auf, dass dieser Ansatz zwar eine effiziente gradientenbasierte Parameterschätzung für subthreshold-Dynamiken ermöglicht, es jedoch derzeit versagt, gradientenfreie Methoden bei der Rekonstruktion vollständiger Spike-Züge zu übertreffen, aufgrund der Nicht-Differenzierbarkeit des Spike-Mechanismus.