整合发放神经元模型突触输入参数估计

文章针对突触输入和噪声共同作用下的整合发放神经元模型,在不考虑放电阈值前提下,采用最小二乘法估计突触输入参数;当考虑神经元放电阈值特性时,将放电阈值看成一个吸收边界,导出膜电位转移概率密度函数,再利用极大似然法估计突触输入参数。结果表明:最小二乘估计仅适合阈下活动的参数估计,而对阈上活动无效;极大似然估计适用于神经元放电的阈值行为;无论是从适用范围还是估计精度来说,极大似然估计都要优于最小二乘估计。

信号噪声下整合发放神经元模型的随机共振

文章基于整合发放神经元模型,研究了信号噪声与背景噪声共同作用下神经元系统的随机共振现象。利用随机平均法推导出了神经元系统的输出幅值增益精确表达式,并考察了背景噪声、信号噪声相关时间和信号噪声与背景噪声两噪声的关联强度对神经元系统输出幅值增益的影响。通过数值模拟发现,当背景噪声较弱时,神经元系统有明显的随机共振现象;当信号噪声自相关时间较短及背景噪声与信号噪声间两噪声间关联强度较小时,神经元系统也会出现随机共振现象。

神经元集群自持续放电活动的层次网络仿真模型与分析方法

神经元集群的自持续放电活动是大脑内广泛存在的现象,其被证实在大脑的工作记忆与目标导向等行为中有重要体现。作者以非线性的整合发放(integrate-and-firing,IF)神经元模型为网络节点,构建了具有小世界特征的层次网络仿真模型,以研究自持续活动中神经元发放的一些特性。在合适的模型参数下,层次网络能产生自持续放电活动,其整体发放频率在撤掉外部刺激之后的20 s内比较稳定,而层次内部发放频率的高低与层次顺序无关。整体发放频率关于突触连接数量与短路径密度都呈现出先正关系增长再达到饱和的趋势,同时,规模越大的神经元网络的整体发放频率对短路径密度更为敏感。研究结果对揭示大脑神经元功能性核团之间的相互作用机制具有重要意义。

Stein神经元模型在共同的随机输入下的同步性(英文)

主要证明了脉冲幅度与神经元状态有关的Stein模型都能够使两个初始膜电位不同的神经元以概率1达到同步发放.这一结论可以推广到多个初始膜电位不同的神经元.但同步发放的时间没有上限,目前只能给出一个粗略的方法,估计出同步概率在α%(0 <α<100)以上的同步时间.最后,脉冲幅度与神经元状态有关的Stein模型的数值模拟结果符合前述结论的预期.