Surrogate Gradients for Gradient-Based Parameter Estimation in Simplified Neuron Models
本論文は、Jaxleyフレームワーク内においてサロゲート勾配を用いた微分可能な適応型指数積分発火モデルを導入しており、この手法が閾下ダイナミクスのための効率的な勾配ベースのパラメータ推定を可能にする一方で、スパイク生成メカニズムの非微分的な性質により、完全なスパイク列の復元においては現在のところ勾配フリーの手法を凌駕するには至っていないことを示している。