一维Theta神经网络中扰动后多放电行波解存在性

主要研究一维Theta神经元网络的微分方程模型,从神经元生理运动特点和微分方程入手对该网络模型进行研究.对模型中的输入形式进行简化,给输入一个扰动,证明了扰动后多放电行波解的存在性.

一维Theta神经网络微分方程模型的研究——多放电行波解的存在性

研究一维theta神经元网络的微分方程模型,对该网络模型从神经元生理运动特点和微分方程本身入手进行讨论.对模型中的输入形式加以简化,证明了对任意的传播速度c>0,存在一个对应的耦合强度参数,使网络具有多放电行波解.

θ相移在单次学习过程中促进神经网络对空间位置顺序记忆的研究

θ相移是在大鼠海马中发现的位置细胞放电的特殊模式。随着大鼠在某个位置场中行进,相应位置细胞发放脉冲的相位(相对于局部电位中的θ节律)会逐渐提前。一些学者认为,该现象可以将大鼠在运动中所经过的一系列位置场的顺序编码成时间上压缩,并且多次重复出现的脉冲模式,因此可以促进大鼠对其在运动中经过的空间位置的顺序的记忆。本文建立了一个模型,对该现象进行了研究。首先,本文建立了能够产生θ相移现象的单个海马神经元模型。这一模型建立在HarrisKD等及MageeJC的电生理实验研究的基础上,根据神经元真实的生理特性来建模。并且以整合与发放的脉冲神经元模型取代H-H模型,大大简化了计算量。而模拟结果又能较好的重现实验中真实神经元的表现。为了研究θ相移对空间位置顺序记忆的作用,在单神经元模型的基础上,又建立了一个基于STDP的学习型神经网络。通过对网络的研究发现,空间位置顺序的信息在模拟中只要输入一次,就可以使该网络对这一顺序形成一定程度的记忆,并且有一定的比率能达到很高的准确率。而如果在单神经元模型中去除θ相移功能,则在单次学习过程中,根本无法形成对空间位置顺序的记忆,代表各个空间位置的神经元几乎同时发放,基本上不能代表顺序信息。