Taux de décharge

Dans ce type de modèle, on suppose implicitement que la fréquence de décharge code l'information. Une telle modélisation est par exemple présentée dans [44].

Les modèles à taux de décharge reposent sur des fonctions de transfert de type sigmoïdales, c'est à dire des fonctions bornées continues monotones croissantes, à valeurs sur [0,1] : une fonction de transfert couramment utilisée est $f(u)=(1+\tanh(u))/2$. On a donc $x_i(t)=f(u_i(t))$ où $u_i(t)$ est le potentiel du neurone $i$ à l'instant $t$.

Suivant la valeur du potentiel, le neurone est amené à décharger avec une fréquence plus ou moins élevée. Néanmoins, en dessous d'un certain seuil, le neurone est inerte et le taux de décharge devient quasiment nul. De même, au delà d'une valeur limite du potentiel, le neurone est saturé et atteint son taux de décharge maximal [45]. Malgré l'aspect continu de la sortie, il est donc possible de distinguer différents états d'activation, avec une évolution continue depuis l'absence d'émission jusqu'à un taux de décharge maximal.

Il faut toutefois noter que dans le cadre d'une modélisation d'inspiration biologique, le taux de décharge est supposé faible en moyenne, et les paramètres (seuils d'activation) doivent être ajustés afin de prendre en compte la rareté relative des neurones actifs par rapport aux neurones inactifs. Les taux de décharge peuvent également être amoindris en incluant dans le modèle une population de neurones inhibiteurs.