关于注意和记忆的神经动力学机制

利用随机的相变动力学理论研究了一个具有不同相位的神经振子群模型,并考察神经振子群对刺激信息的处理及神经编码的动态演化．通过对动力学模型的数值分析,在二维相空间上描述了神经元集群内不同振子簇发放动作电位时,数密度随时间演化的图像．数值分析的结果表明该模型能够用来描述注意和记忆的神经动力学机制。并且证明了只有高维的神经动力学模型才能更深刻地描述神经元集群的动力学特性,而以往的编码模型丢失了大量有用的神经信息．

大脑皮层内神经元集团的能量演变

在能量编码原理的基础上,利用哈密尔顿函数得到了大脑皮层内大规模神经元集群在阈下和阈上互相耦合时神经元电位变化的能量函数.根据神经电生理的实验数据得到了高斯白噪声条件下神经元电位活动的膜电位运动方程.研究结果表明:本文得到的膜电位的均值恰是先前已发表的膜电位运动方程的精确解.在这个基础上,还得到了神经元集群编码的哈密尔顿函数随时间的演变过程,即神经元集群随时间的能量演化过程的定量表达式.

耦合条件下大脑皮层神经振子群的能量函数

探讨了局部脑皮层网络活动中,耦合条件下的大规模神经振子群的能量消耗与神经信号编码之间的内禀关系,得到了神经元集群在阈下和阈上互相耦合时神经元膜电位变化的函数.这个能量函数能够精确地再现神经电生理学实验中的EPSP,IPSP,动作电位以及动作电流.最近功能性核磁共振实验证明了神经信号的编码是与能量的消耗紧密地耦合在一起的,凶此研究结果表明利用能量原理研究大脑在神经网络层次上是如何进行编码的这一重大科学问题的讨论是十分有益的.可以预计得到的能量函数将是生物学神经网络动力学稳定性计算的基础.

人体上肢运动轨道计算的新算法

依据文献[6]所提供的在曲柄转动机构中人体手臂运动的实验及其力学模型,研究人体手臂运动的轨道生成问题。为了改进手臂运动轨道的最优化算法中存在较大的误差,利用文献[6]所提供的肌电信号实验数据,构造了一组肌肉力函数,通过力臂矩阵将肌肉力向量映射到关节转矩向量的方法,把得到的仿真结果与实验数据进行对比。结果表明所构造的肌肉力函数可以得到比理论肌肉力条件下给出的手臂运动轨道更为精确的结果。