电磁驱动下一类混合神经元模型的动力学响应与图像加密应用

在神经元活动的模型建立和分析过程中,应考虑一些生物物理效应。由于神经系统内部细胞内外离子浓度的波动,在集体电活动和神经元集群之间信号传播的过程中需要考虑电磁场的内部波动和跨膜磁通的影响。该文在一类混合神经元中引入磁通变量,通过对膜电位的调制诱发复杂的时变电磁场,运用Xppauto,Matcont和MATLAB等分析工具,探讨了新模型平衡点的存在性、初值敏感性和双参数分岔,发现外界刺激电流和电磁场变化时,可诱发新模型产生丰富的放电模式,如静息态、尖峰放电、周期(或混沌)簇放电,特别是由于磁通变量及忆阻器的引入产生的共存放电、隐藏放电等新现象。通过上述分析,基于电磁感应的神经元模型具有高非线性和较多的敏感参数,可使加密算法具有较大的密钥空间,基于此,该文设计了一种图像加密算法,对明文图像的像素先进行1次扩散再对其位置进行两次置乱。最后,通过一系列数值实验证明所设计的加密算法能有效地加密图像并且具有较高的安全性。该文考虑了神经细胞内外的电磁感应效应,有助于更全面了解神经元之间的信息编码和转迁规律,更多的分岔参数和高复杂性也使所设计的神经元模型在图像加密中具有很好的应用前景。

多种神经元细胞耦合体系同步状态的最优调控

以Morris-Lecar(ML)和Fitz Hugh-Naguno(FHN)等神经元细胞为研究对象,考察多种神经元细胞耦合时相关参数对体系集体行为的影响.数值模拟结果发现,若体系中耦合单元种类相同(如仅含ML细胞),调节耦合强度等参数很容易达到同步状态;体系中若包含有其他种类的神经元细胞(如掺杂FHN细胞),不仅要调节耦合强度,同时也要将掺杂细胞的相关参数调控到适当的范围,两种细胞协同配合才能达到最优同步状态.最后引入同步误差对比分析并进行证实.结果表明:生物体系为实现某些功能可以通过调用不同种类的神经元协调配合来共同完成,这对于深入理解耦合体系的同步机理有一定的理论意义和指导作用.