文摘
分析冷受体的动态神经网络模型。首先,它检查模型中的噪声对神经刺激的影响。从三军情报局情节,表明有相当大的差异纯粹确定性模拟和嘈杂的。的三军情报局——远程用于对高峰火车定量测量噪声的影响。发现高峰列车中观察到神经模型可以更强烈地受到噪声对不同温度在某些方面;与此同时,脉冲序列与噪声强度增加更大的可变性。神经元网络的同步与不同的连接模式也进行了研究。结果表明,混沌和高期模式更难以获得完整的同步单峰值的情况和低周期模式。神经网络将展出各种发射同步模式通过改变耦合强度等一些重要参数。不同类型的发射同步相关系数和诊断三军情报局——远程方法。模拟表明,神经元的同步状态相关的网络连接模式。
1。介绍
预计处理神经信息可以编码在inter-spike-interval的结构(三军情报局)系列;即神经放电活动可以用神经高峰列车的模式(1- - - - - -4]。
由于随机共振的概念的介绍5),噪音的积极作用已成为一个重要的问题在物理和神经系统有关。非线性系统可以改变他们的动力学的噪声(1,6]。大多数神经模型的微分方程,可以观察到神经元繁殖行为。当这些模型由噪声刺激,各种现象包括随机共振和相干共振将观察到的7- - - - - -10]。除了确定的状态触发神经元的膜电位,发射脉冲序列也受到噪音的影响(11]。例如,对于阈下的振荡阈值附近的一代,它是依赖于噪声是否会触发一个高峰。高峰活动不可以完全理解被认为只有当噪声。脉冲序列模式的转变也受到噪音的影响(12]。的噪音,这是观察到有各种脉冲序列模式在温度敏感肌肤信息编码的受体(13,14]。相应的数据分析表明,噪声可以扩展系统的动力行为(15,16]。也可以观察到类似的结果在实验17- - - - - -20.),这表明神经系统可以利用声音的好处,包括内部热波动和外部噪声输入。
除了单个神经元的贡献在信息传输、同步的一组相互作用的单位一直在深入研究自然世界(21,22]。提出了神经信号的同步机制的编码信号(23,24]。建议同步行为的理论研究在神经系统中扮演着重要的角色在嗅觉系统的信息处理。两个电耦合神经元的同步行为研究了爆后新星et al。25]。异步和同步状态进行调查。结果表明,耦合强度可能有重要作用的同步状态。同步fast-spiking神经元连接的电突触被野村和他的团队研究[26]。
介绍了许多不同的措施来描述噪声的影响和神经元的同步事务26- - - - - -29日]。存在不同的连接模式包括环状神经网络和网状神经网络。前者只考虑最近邻耦合的神经元,而后者包括所有最近邻耦合连接。两个耦合神经元之间同步研究和多个神经网络进行了研究[30.- - - - - -34]。
除了传统的方法,在这篇文章中,三军情报局距离,最近提出的一种新方法Kreuz et al。35,36),是用来描述Hodgkin-Huxley类型模型的噪声影响的温度编码和同步。这是一个简单的方法,提取信息从峰电位区间评估瞬时发射率的比值,它是spike-based互补的方法。的噪音,神经模型可以生成各种新的不同的模式相比,确定性情况;同步状态的神经网络与不同连接类型也调查,和模拟显示,同步状态相关的网络连接模式。
本文的组织结构如下:介绍了模型的神经系统部分2。噪声对神经系统的影响表现为部分3,包括分支情节和三军情报局距离的噪声影响。部分4礼物-耦合神经元和神经元网络的同步结果与不同的连接模式,显示不同状态的同步通过改变控制参数、耦合强度。最后,给出了一个简短的结论部分5。
2。的神经模型
一个简化的Hodgkin-Huxley模型16)是用来模拟冷的脉冲序列活动受体反应在皮肤温度变化。这个模型由两套离子电导,每个相关de - - -再极化电流: 在哪里是膜电位,是膜电容,给出了泄漏电流。和快去极化电流,再极化一代,和两个阈下的振荡电流是由缓慢吗和。和参数被用来改变峰值电流,尤其是对吗, 平衡电位,是电导,和half-activation势和山坡上的s形稳态激活曲线。常数是耦合的对比,而松弛因子。温度依赖关系引入的参数和分别 在哪里是温度和是参考温度。
3所示。噪声对神经系统的影响
为了研究随机扰动模型,噪声实现膜电位方程(1在每个时间步)根据Box-Mueller算法(37]: 在哪里,是随机数字0和1之间,噪声强度,声音它是由高斯统计功能。
在确定性的情况下,没有噪音,上述神经模型展示不同类型的飙升模式时温度的参数是不同的。在较低的温度下,单一的发射峰值模式时期,然后稍高温度放电模式变成混乱解雇。当是增加、脉冲序列模式变得破裂,峰值/破裂的数量将减少(如果温度进一步增加),高温定期single-spike活动再次发生(),但是飙升频率较高。这些变化过程的脉冲序列模式可以看到三军情报局图如图1(一)连续,峰电位区间是策划和时间作为温度的函数扩展。开始形成高温,峰值发射的行为模式变化阈下的振荡高频常规单峰值。在较低的温度,有几个突然转换从一个时期四个时期峰值/破裂数量的增加。在周围的温度,增加的数量分岔发生混乱的模式。仍在较低的温度,定期single-spike活动再次出现频率较低。
(一)
(b)
在吵闹的模拟,神经模型展览温度依赖关系遵循实验数据的主要特征。尤其当为0.5,波动的高峰时间是可见的,如图1 (b)。在,而不是常规single-spike一代,每振荡周期出现两个峰值。在中期的温度下,突然转换确定性模拟完全平滑噪声,可以看到在区间图如图1 (b)。定性差异发生在较低和较高的温度情况下,跳过在嘈杂的模拟和混乱的间隔序列的转换确定性模拟消失。
三军情报局距离是一个有用的方法定性噪声对神经系统的影响(35]。这种方法是基于连续上涨为基本元素之间的时间间隔测量的区别这两个高峰火车定性。由于自适应这种方法,它可以自然地描述神经元高峰列车的表征。的三军情报局距离两个峰值之间的火车和简要介绍了由以下过程。首先,定义的峰电位区间的列车在时间通过 在哪里的时间是飙升的脉冲序列。以同样的方式,定义的功能th飙升的,然后归一化比例采取如下:
最后,距离随着时间的推移是通过积分计算如下:
这里,这个测量用于定性描述的确定性和嘈杂的高峰列车之间的区别寒冷的受体。图2显示的变化三军情报局距离作为温度的连续函数。如图片所示,在每一个固定的温度,三军情报局距离随噪声强度越来越大。例如,在,当为0.005,0.05和0.5,三军情报局距离是0.212,0.457和0.603,分别,这意味着更高的噪声强度更强的波动原因的次高峰的火车。
从神经系统中的噪声影响的研究,我们可以获得的噪音,神经模型可以产生各种不同的脉冲序列模式和允许连续过渡从破裂阈下的振荡。因此,系统的噪声可能会更接近实际的动力学基础实验数据。
4所示。神经网络系统的同步研究
信息传输和代码的过程中,同步发射扮演重要的角色。因此在这一节中,两个耦合神经元的同步和网络进行了研究。
摘要多重耦合神经元的动力学控制微分方程表示如下: 在哪里是耦合强度和和相邻的神经元之间的电压吗和。两个双向耦合神经元(图3(一个)),;环状网络神经元(图3 (b)),是相邻的神经元的总和包括前一个和后一个的:
(一)
(b)
(c)
网状网络(图3 (c)),一个神经元的位置输入电流之和的最近邻神经元:
4.1。同步两个耦合神经元
首先,两个相同的耦合神经元的同步状态。的三军情报局距离上面介绍的方法用来估计两个峰值之间的同步程度的火车。介绍了在节3的数量三军情报局比将零如果两个高峰列车是完全一样的,或者它将接近−1和1,分别,如果两个高峰列车有很大的不同。所以同步耦合神经元越多,越少三军情报局距离是,等于0时,完成耦合神经元的同步状态。
有两个相同的耦合神经元如图3(一个)、同步的耦合神经元在常规单飙升调查和数值结果如图4通过改变耦合优势。在图中,的变化三军情报局距离(10)和(11)增加耦合强度的函数。它增加时其最大价值,在此之前,距离的增加是由于神经元的混沌行为。然后它逐渐减少的范围为0。最后,它仍然是0时比较大。的三军情报局距离显示,两个神经元的同步程度先增加然后减少时同步完成足够大。可以找到类似的结果在其他相同与不同的发射模式耦合神经元(破裂、混沌放电等)。
另一种方法来描述两个高峰列车之间的同步程度是相关系数,CC计算如下: 在哪里(或)是膜电位的抽样(或)。计算平均抽样的数量。相关系数越大,同步这两个耦合神经元越多,和完整的同步可以实现当相关系数等于1。
如图5相关系数的值(15)增加逐渐从0到1达到0.032和维护它。
除了两个相同的神经元的同步,几种不同的同步状态不同的神经元也被调查。得到了类似的结果,所有神经元会同步时足够大,如图6,我们把所有相关系数的耦合强度在一起。但它可以观察到的局部放大图正确的角落里,仍有一些差异。在图6,不同的状态对应于不同的风格。可以看出,CC的神经元与和与加上后迅速得到同步,而这两个国家都是同步在single-spike模式中,这意味着这个国家更容易同步。CC的神经元与也迅速增加,但低于上述两个案例,因为他们的高频率。最缓慢的神经元同步与,两个神经元都在混乱的状态。
4.2。神经元网络的同步
首先,同步效应在环状神经网络耦合的方式进行调查。25耦合神经元网络连接的环状方式(图3 (b))。一个三军情报局——远程方法多个峰值火车给定量结果用于同步高峰列车(35]。首先,三军情报局分配每个脉冲序列,通过计算所有绝对的三军情报局比率,瞬时平均得到如下: 随着时间的推移,平均是实现。很明显,越同步多个列车,越小三军情报局距离是;完整的神经元网络的同步状态时,等于0。然后环状网络的两个参数对同步的影响。的等高线图三军情报局距离参数平面如图7。情节显示,当耦合强度比,不管怎样的价值神经元是在一个完整的同步状态。同时该地区,三军情报局距离几乎等于0比这大得多的只改变一个参数显示如图4。它表明,实现同步的环状神经网络更容易比两个耦合神经元只改变一个参数。另一个显而易见的结论是,不管什么温度是,当耦合强度增加,神经元的环状网络终于可以达到同步。
接下来,了解同步和网络连接模式之间的关系,网络连接类型更改为网格网络。网状网络中神经元的数量仍然是25。一个神经元耦合电流的电流之和的最近邻神经元()。相应的轮廓图三军情报局距离参数平面如图8。如下图,地图的不同于环状神经网络。它可以观察到该地区三军情报局距离几乎等于0比的环状神经网络;当耦合强度比,所有的神经都在一个完整的同步状态。它表明,同步状态相关的网络连接类型;即同步耦合网状神经网络比环带容易连接的神经元。也从仿真,我们可以看到,无论什么(非耦合神经元在各种射击模式包括常规单峰值,混乱,或破裂状态),当耦合强度足够大,最终网状神经网络能达到完全同步,这是类似于环状网络。
对比图1从数据,它可以观察到7和8那混乱和周期模式比高的峰值和低周期模式,这意味着混乱和高期模式更难以获得完整的同步单峰值的情况和低周期模式。它也可以从这两个数字的倾向与温度在图7和在图8)与单神经元的情况是一致的,也就是说,先增加,然后下降。这意味着它可以建立网络动力学和单神经元动力学之间的关系。
5。结论
首先,噪声对神经系统的影响进行了研究。的噪音,神经模型可以生成各种新的不同的模式而确定的情况。定性计算的噪声影响,距离是表征噪声如何影响神经脉冲序列的变化。这是显示距离会增加噪音强度变得更大,这意味着更高的噪声强度会导致更强的波动上升的火车。同时,噪音更少影响高峰列车内温度较高破裂机制。这些随机现象意味着信号编码与噪声水平的变化可以是不同的。
然后同步状态不同连接类型的神经网络调查。模拟显示,同步状态更相关的网络连接模式。通过调整温度和耦合强度,都存在一个较大的同步地区网状神经网络比环状网络。也表明,混沌和高期模式更难以获得完整的同步单峰值的情况和低周期模式。
在本研究的方法和结果是很有启发性的研究神经编码的高峰列车噪声和网络环境下。网络的研究结果表明,它可能会建立动力学和单神经元网络动力学的关系。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作得到了国家自然科学基金(批准号。11002055,11232005,和U1204106)和中国民航大学的特别基金号。2012 qd09x和ZXH2012C004。