时滞对神经元网络中同步转迁的影响

发布时间：2020-05-22 12:14

【摘要】：在本文中,我们主要研究在不同的神经元网络下时滞对簇同步转迁的影响以及不同的同步转迁的区别。由于在这里我们采用H-R模型,所以这里有两种不同的同步转迁模式:一种是簇峰数(spiking-changing)不断变化的同步转迁,一种是簇形式(FHC-FH)不断变化的同步转迁。研究表明,时滞在不同的外界条件下可以产生不同的同步转迁模式,并且与突触类型以及耦合强度有着密切的联系。首先,在电突触耦合神经元网络和兴奋性化学突触耦合神经元网络中,时滞可以诱导间歇性同步的发生并产生簇峰数不断变化的同步转迁。当耦合强度较小时,时滞可以产生间歇性的FHC类型的簇同步放电模式,但是并没有诱导产生上述两种同步转迁模式;当耦合强度较大时,时滞不仅可以产生间歇性的FHC或FH类型的簇同步放电模式,还会诱导产生簇峰数不断变化的同步转迁。在抑制性化学突触耦合神经元网络中,时滞仍然可以诱导间歇性同步的发生并产生簇峰数不断变化的同步转迁和簇形式不断变化的同步转迁。当耦合强度较小时,时滞可以产生间歇性的FHC类型的簇同步放电模式,但是并没有诱导产生上述两种同步转迁模式;当耦合强度较大时,时滞不仅可以产生间歇性的FHC和FH类型的簇同步放电模式,还会诱导上述两种同步转迁模式同时发生。其次,在混合突触耦合神经元网络中,时滞可以诱导两种不同的同步转迁模式的发生,并且其转迁模式的变化与耦合强度以及神经元网络中混合突触比例有着密切的关系。在本文中,我们创建了两种不同的混合突触耦合神经元网络:第一种是电突触和化学突触相互混合的神经元网络(其中化学突触中兴奋性突触和抑制性突触的比例为4:1),第二种是兴奋性化学突触和抑制性化学突触互相混合的神经元网络。在这两种网络中,时滞均可诱导两种同步转迁的发生。当耦合强度较小时,簇峰数不断变化的同步转迁产生;当耦合强度较大时,簇形式不断变化的同步转迁产生。而且,如果该混合突触神经元网络中电突触或者抑制性化学突触的比例较大时,时滞在较小的耦合强度下就可以诱导簇形式不断变化的同步转迁产生。最后,在化学混合突触耦合神经元网络中(兴奋性突触和抑制性突触的时滞不相同),双时滞可以诱导两种同步转迁的产生。随着耦合强度的增大,该神经元网络的同步性会逐渐较弱并消失。当抑制性突触所占的比例较小时,双时滞可以产生两种不同形式的同步转迁;当抑制性突触所占比例稍微增大时,双时滞只能产生簇形式变化的同步转迁模式;当抑制性突触所占比例较大时,同步性逐渐消失,双时滞无法诱导同步转迁的产生。综上所述,在不同的神经元网络中,时滞可以诱导两种同步转迁模式的产生。但是在不同的神经元网络中,时滞诱导同步转迁的方式和条件不尽相同。
【图文】：

神经元即神经细胞，，是构成神经系统结构和功能的基本单位，可以感受刺激逡逑并传导兴奋。高等动物神经系统含有大量的yL经元，人脑中约有１０００亿个神经逡逑元，大脑皮层约含１４０亿。逡逑神经元由胞体和突起构成，胞体表面有细胞膜，膜内有细胞质和细胞核，是逡逑神经元代谢和营养的中心；突起又分树突和轴突两种（如图２－１所示）。通常树逡逑突接受刺激信息，并向胞体传送，经胞体整合后由轴突传出。一个神经元通常只逡逑有一个轴突，也有的没有轴突，只有树突，整个神经元的形态主要由树突决定逡逑的。突触是神经元之间进行信息传递的特异性功能接触部位，借助于突触，神经逡逑元相互联系构成了神经系统，人体通过神经系统可以对运动或知觉进行立即反应。逡逑神经元的分类有很多，根据神经元突起的数目可分为单极神经元（单个突起），逡逑双极神经元（两个突起）和多极神经元（三个或三个以上突起）。根据功能联系逡逑可分为接收、整合信号，及传导、输出信号两部分；由此可将其分为初级感觉神逡逑经元，运动神经元，如脊髓前角的运动神经元和中间神经元，如丘脑，脊髓后柱逡逑等神经元。根据作用可将其分为兴奋性神经元和抑制性神经元，如脊髓腹角的运逡逑动神经元为兴奋神经元，闰绍细胞为抑制性神经元等。逡逑Ｊ

电的导体性质，这就在电逡逑学上构成了一个电阻元件，逡逑称为膜电阻。图２－２就是逡逑１逦？逦邋跨膜状态下，神经元膜的逡逑逦邋邋邋邋１．邋——ＭＭ１－—二逦邋等效电路逦电容电逡逑阻并联电路。逡逑图２－２神经元膜等效电路一电容电阻并联电路逡逑静息电位（ＲＰ）是指细胞未受刺激时，存在于细胞膜内外两侧的外正内负的逡逑电位差。静息电位代表了生物神经元变化的基础。大多数细胞的静息电位都是膜逡逑外高，膜内低。若我们人为规定膜外的电位为零电势，则膜内即为负电势。神经逡逑元膜两侧内负外正的带电状态称为膜的极化。当膜电位向膜内负值增大方向变化逡逑时，称为超极化；相反，膜电位向膜内负值减小方向变化，称为去极化；去极化逡逑进一步加剧，膜内电位变为正值，而膜外电位变为负值，则称为反极化；细胞受逡逑到刺激后先发生去极化，再向膜内为负的静息电位水平恢复，称为膜的复极化。逡逑ＲＰ代表了神经元膜的一种电学极化状态，也是神经元最基本的生物电现象，逡逑不仅反映了神经元最基本的生物电现象
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：Q42

【相似文献】

相关期刊论文 前10条

1 裘晓莲;;模糊神经元网络评价体系实证研究[J];建筑与文化;2018年10期

2 王蔓蔓;杨晓丽;;模块神经元网络中耦合时滞诱导的簇同步转迁[J];动力学与控制学报;2016年06期

3 何若雪;;肚子里的“第二大脑”[J];大自然探索;2017年05期

4 张雷;刘希玉;;对传过程神经元网络及其应用研究[J];微型机与应用;2012年17期

5 刘金月;祝宝玲;;连续小波过程神经元网络在非线性函数逼近的应用[J];长春理工大学学报(自然科学版);2010年03期

6 陈磊;刘飞;;两种特征扩展过程神经元网络应用比较研究[J];控制工程;2009年S3期

7 周淑梅;;一种过程神经元网络在管道土壤腐蚀速率预测中的应用[J];齐齐哈尔大学学报(自然科学版);2008年04期

8 吴雅娟;许少华;;一种模糊计算过程神经元网络及其应用[J];东北林业大学学报;2008年08期

9 蔡久评;;基于过程神经元网络的陶瓷窑炉智能控制机制[J];中国陶瓷;2008年10期

10 许少华;王兵;何新贵;;基于过程神经元网络的动态预测模型及其应用[J];信息与控制;2007年06期

相关会议论文 前10条

1 王青云;;时滞对神经元网络时空同步的作用[A];第三届全国动力学与控制青年学者研讨会论文摘要集[C];2009年

2 李玉叶;张慧敏;魏春玲;杨明浩;王青云;古华光;任维;;随机信号在神经元网络中诱发的多次空间相干共振[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

3 王青云;;神经元网络系统的非线性时空动力学[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 沈瑜;侯中怀;;从簇放电振幅推测耦合神经元网络的度分布性质[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

5 孙晓娟;;噪声激励下多层次神经元网络放电的动力学行为特性研究[A];第七届全国动力学与控制青年学者研讨会论文摘要集[C];2013年

6 李丽明;王众嫭;王延章;;一种类神经元网络模型及其学习算法初探[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

7 陈剑飞;王一玲;林伟;;用神经元网络模型求解多目标决策问题[A];全国青年管理科学与系统科学论文集（第2卷）[C];1993年

8 刘献心;黄布毅;;神经元网络与模糊控制的融合[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

9 曾贵生;柯益华;;神经元网络在厌氧流化床反应器动态建模中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

10 贾雁兵;古华光;;相位噪声诱导神经元网络的双重相干共振[A];第十五届全国非线性振动暨第十二届全国非线性动力学和运动稳定性学术会议摘要集[C];2015年

相关重要报纸文章 前8条

1 本报记者 俞陶然;模拟人脑人眼，让人工智能更像“人”[N];解放日报;2017年

2 杨骏 刘石磊;中国“芯”加速布局人工智能[N];中华工商时报;2017年

3 老鬼阿定;“深度学习”技术进展令人振奋[N];计算机世界;2014年

4 实习生 马昌剑;早教真能决定孩子的一生吗？[N];科技日报;2012年

5 ;GF Srl开发出用于包装过程检测的系统[N];中国包装报;2005年

6 百度总裁 张亚勤 口述 本报记者 李正豪 整理;人类定规则，机器将可控[N];中国经营报;2016年

7 邵珍珍 本报记者 胡唯元;自动化让冶金如此简单[N];科技日报;2005年

8 杨健;树立中国人管理创新的信心[N];人民日报;2007年

相关博士学位论文 前10条

1 王兵;面向油田诊断预测的过程神经元网络模型和算法研究[D];东北石油大学;2015年

2 秦迎梅;神经元网络的共振效应—信息的检测与传导[D];天津大学;2014年

3 李艳玲;培养神经元网络的学习模型构建及机理研究[D];华中科技大学;2007年

4 卢梅丽;基于相响应的神经元网络同步的优化控制[D];天津大学;2013年

5 陈传平;基于多电极阵列的培养神经元网络动态特征分析[D];华中科技大学;2007年

6 于海涛;神经元网络的同步、共振及控制研究[D];天津大学;2012年

7 陈琳;培养神经元网络自发电信号的特性分析[D];华中科技大学;2008年

8 郭大庆;复杂神经系统中信息传输及信息处理的若干问题研究[D];电子科技大学;2011年

9 刘延俊;气动比例位置系统的控制方法及动态特性研究[D];山东大学;2008年

10 王彩霞;Rulkov和Head direction神经元及神经元网络的动力学分析[D];北京交通大学;2016年

相关硕士学位论文 前10条

1 刘赵凡;小世界神经元网络中的随机多共振现象[D];北京邮电大学;2019年

2 赵欣桐;时滞对前馈神经元网络信息传递的影响[D];北京邮电大学;2019年

3 楼力政;微电极阵列上培养神经元网络的特性分析[D];浙江大学;2019年

4 薛天舒;时滞对神经元网络中同步转迁的影响[D];北京邮电大学;2019年

5 于彦虎;自突触影响下模块神经元网络的共振动力学[D];陕西师范大学;2018年

6 王权;基于PIDNN的四轴飞行器姿态控制系统的研究与实现[D];安徽农业大学;2017年

7 陈琦;神经元网络FPGA仿真系统的实现与应用研究[D];天津大学;2018年

8 廖原;基于卷积网络的人脸年龄识别技术研究[D];广西大学;2018年

9 田姗姗;基于微流控技术体外构建神经元网络的相关研究[D];北京工业大学;2017年

10 李国芳;部分时滞对小世界神经元网络共振和同步行为的影响[D];北京邮电大学;2018年

本文编号：2675982