Izhikevich神经元网络的同步与联想记忆

联想记忆是人脑的一项重要功能。以Izhikevich神经元模型为节点,构建神经网络,神经元之间采用全连结的方式;以神经元群体的时空编码(spatio-temporal coding)理论研究所构建神经网络的联想记忆功能。在加入高斯白噪声的情况下,调节网络中神经元之间的连接强度的大小,当连接强度和噪声强度达到一个阈值时网络中部分神经元同步放电,实现了存储模式的联想记忆与恢复。仿真结果表明,神经元之间的连接强度在联想记忆的过程中发挥了重要的作用,噪声可以促使神经元间的同步放电,有助于神经网络实现存储模式的联想记忆与恢复。

经颅磁声电刺激下不同类型Izhikevich神经元电耦合模型放电特性研究

经颅磁声电刺激是利用超声和磁场作用于大脑的新型无创神经调控技术,耦合神经元在脑电信号传递和信息交流起着关键作用。为探索该技术对耦合神经元的影响,本文利用Izhikevich神经元搭建了兴奋性-兴奋性、兴奋性-抑制性和抑制性-抑制性三种耦合模型,分别研究经颅磁声电刺激下不同刺激强度和耦合度对耦合神经元同步性的影响。结果表明随刺激强度增大,兴奋性-抑制性耦合模式下耦合神经元同步性变弱,其他两种模式在刺激强度分别为20.0μA/cm2和39.6μA/cm2时同步性由强变弱。在耦合度大于0.71时,兴奋性-兴奋性耦合模式下放电个数不再变化;在耦合度为0.71-0.96时,兴奋性-抑制性耦合模式下的放电频率增加;在耦合度大于0.96时,放电个数恒定;抑制性-抑制性耦合模式下耦合度增加放电个数增加,放电频率基本不变。研究结果有助于推动经颅磁声电刺激下神经网络的动力学研究,对神经类疾病的治疗有重要参考价值和研究意义。

Izhikevich神经脉冲发放模型的FPGA硬件实现方法

首先将该神经元模型模块化,然后利用VHDL语言对各个模块进行硬件描述,最后在FPGA中硬件实现了20种神经元的脉冲发放模式,为多种脉冲神经网络的硬件实现提供了参考.

视网膜功能启发的边缘检测层级模型

基于视网膜对视觉信息的处理方式,提出一种视网膜功能启发的边缘检测层级模型.针对视网膜神经元在周期性光刺激下产生适应的特性,构建具有自适应阈值的Izhikevich神经元模型;模拟光感受器中视锥细胞、视杆细胞对亮度的感知能力,构建亮度感知编码层;引入双极细胞对给光-撤光刺激的分离能力,并结合神经节细胞对运动方向敏感的特性,构建双通路边缘提取层;另外根据神经节细胞神经元在多特征调控下延迟激活的现象,构建具有脉冲延时特性的纹理抑制层;最后将双通路边缘提取的结果与延时抑制量相融合,得到最终边缘检测结果.以150张来自实验室采集和AGAR数据集中的菌落图像为实验对象对所提方法进行验证,检测结果的重建图像相似度、边缘置信度、边缘连续性和综合指标分别达到0.9629、0.3111、0.9159和0.7870,表明所提方法能更有效地进行边缘定位、抑制冗余纹理、保持主体边缘完整性.本文面向边缘检测任务,构建了模拟视网膜对视觉信息处理方式的边缘检测模型,也为后续构建由视觉机制启发的图像计算模型提供了新思路.

基于小世界神经网络的放电特性研究

研究小世界网络参数的改变对神经元网络放电特性的影响会对癫痫等神经疾病的研究工作产生重要的推动作用。癫痫等神经疾病的发作总会伴随着神经网络的同步放电现象,目前神经网络的研究主要是基于层级网络,其拓扑结构不能模拟真实生物神经网络,而小世界网络具有一定的生物神经网络特性,对小世界神经网络的仿真分析可以使仿真结果更贴近真实生物的神经网络放电情况。通过构建小世界网络,进而基于Izhikevich神经元模型、短期突触可塑性调节机制和突触动力学构建了小世界神经网络,并从兴奋性神经元和抑制性神经元的放电模式、放电栅图、平均放电频率和网络整体的放电同步性四个方面进行分析。

小世界网络同步的非线性时滞反馈控制

大脑的病态同步放电活动会导致一些神经类疾病,如帕金森、癫痫等.采用Izhikevich神经元模型构建一个兴奋-抑制小世界网络,增加网络的耦合强度能够实现网络的同步簇放电.对网络施加非线性时滞反馈控制,网络的这种同步活动很快消失.仿真结果表明:微分形式的反馈控制去同步的同时,保持了单个神经元的固有放电特性,且这种反馈控制不具有侵害性.直接形式的反馈控制通过抑制神经元的放电活动来抑制网络的同步,这种形式的反馈控制对刺激参数的变化具有鲁棒性,更适用于实际的深度脑刺激术.

基于MOS技术的神经元电路研究进展

设计一种具有多种神经元响应模式、结构紧凑、低功耗的神经元电路,对大规模神经形态硬件的构建具有重要意义。分析了LIF、Izhikevich两种神经元模型的基本原理,重点介绍了数字和模拟两类神经元电路的设计方法、工作原理和优缺点。最后,讨论了神经元电路的设计趋势以及挑战。

基于基底核的帕金森病状态分析

目的研究分析基底核参数变化对帕金森病(PD)状态的影响。方法采用Izhikevich神经元数学模型构建基底核神经元网络,对基底核的结构进行分析;研究基底核参数对苍白球外侧部(GPe)、苍白球内侧部(GPi)、丘脑底核(STN)和丘脑(TC)生物动力学特性的影响。首先根据Izhikevich神经元模型的固有参数,分别实现各神经元核团在正常状态下的生物动力学特性;然后逐渐改变模型参数,直至其出现PD状态的生物动力学特性;最后根据从正常状态到PD状态时各模型参数的变化情况,分析它们对PD状态的影响。结果在一定范围内适当改变基底核中的相关参数,基底核能够实现生物动力学特性并出现不同的放电状态。在正常状态下,GPe、GPi、STN和TC神经元核团均呈现规则放电模式;当在一定范围内减小常量参数a、b和c时,各神经元核团的放电周期也逐渐增大,放电频率减小,放电模式由规则放电转变为簇放电;当在一定范围内减小常量参数d时,各神经元核团的放电周期也逐渐减小,放电频率加快,放电模式由规则放电转变为快速放电。结论对PD患者进行深度脑刺激术治疗时,可以结合基底核参数变化对PD状态的影响,实现更精确、更快速的治疗效果。

利用Izhikevich模型探究神经元动作电位的发放特性

不同种类的神经元拥有不同类型的离子通道,离子通道的开放和关闭可以产生不同形状、频率和模式的动作电位。对动作电位的发放特性进行探究,将为生物神经系统的硬件设备开发、脑机接口技术研发等提供机理层面上的支持。采用Matlab软件,利用Izhikevich尖峰神经元模型,考察刺激电流的类型、静息膜电位和膜恢复变量等因素对神经元发放动作电位的影响。研究发现:改变静息膜电位的数值,并不影响动作电位的发放频率;增大膜恢复变量的数值,会使动作电位的发放数量增多,但仍不影响各簇动作电位的发放频率,且膜恢复变量越大,动作电位发放时间越早;在不同类型的电流刺激下,改变静息膜电位和膜恢复变量不会对动作电位的发放特性产生影响。

基于Izhikevich模型的神经网络放电特性数值模拟

利用数值模拟方法研究神经网络的放电特性,为人工智能等领域的研究提供理论支持。以Izhikevich模型为节点,用化学突触连接各神经元,搭建神经网络,分析兴奋性突触和抑制性突触在神经网络中的不同效应,并通过调试化学突触的参数,实现峰放电和簇放电在神经网络中的正常传递。研究发现:当抑制性突触电导为0.5 mS/cm^2时,突触后神经元动作电位传递受到抑制;当兴奋性突触电导为0.5 mS/cm^2时,神经元动作电位传递正常;当兴奋性突触电导为3 mS/cm^2时,突触后神经元动作电位由峰放电变为簇放电,发生畸变;选用参数合适的兴奋性突触可以使神经网络实现峰放电和簇放电的正常传递,但化学突触存在时间滞后性。