通道中毒对自适应神经网络动力学行为的影响

发布时间：2020-11-11 01:54

　　 本论文主要研究通道中毒对自适应神经网络动力学行为的影响。本文选择具有与放电时间相关的可塑性(spike-timing-dependent plasticity,STDP)自适应神经网络,研究离子通道噪声和通道中毒对不同网络结构的神经网络中神经元放电活动相干性和同步性的影响。由于通道中毒会影响神经细胞中可工作的离子通道数量,而通道噪声强度与离子通道数量相关,因此我们先研究了通道噪声作用下,不同网络结构的神经网络动力学行为。研究发现:1、在时滞无标度Scale–Free(SF)随机Hodgkin–Huxley(HH)神经网络中,一定通道噪声范围内,神经网络的时间相干性受通道噪声强度的影响。当通道噪声强度太小或太大时,时间相干性随着通道噪声强度的增加而单调减小。然而,对于中间值的通道噪声强度,随通道噪声强度变化,神经网络放电呈现相干共振(coherence resonance,CR)现象。而且,这种现象与神经元耦合强度和网络平均连接度有关,当它们取合适的值时,CR现象会变得更显著。该结果表明,通道噪声可以通过诱导CR来增强时滞神经网络的时间相干性。2、在自适应时滞SF随机HH神经网络中,通道噪声强度能够增强时滞诱导的同步转迁(Synchronization Transitions,ST)现象,当通道噪声强度最佳时,同步变化最明显。这种现象取决于STDP的调解率和网络平均连接度的作用,当网络平均连接度增大时,STDP的调解率可以随着通道噪声强度的改变而增强或者抑制ST。该结果表明,在自适应神经网络中,存在最佳的通道噪声强度和网络平均连接度,可以增强时滞诱导的ST现象。这些发现有助于更好地理解通道噪声对自适应神经网络同步性的调节作用。3、在自适应Newman-Watts(NW)小世界随机HH神经网络中,可以通过降低或增加STDP的调节率来增强或抑制通道噪声诱导的CR现象。STDP可以改变网络随机连接概率和网络大小对通道噪声诱导CR的影响。在STDP的作用下,对于电耦合,存在最佳的网络随机连接概率和网络大小,从而使内在CR现象最强。而化学耦合下的内在CR会随着网络随机连接概率或网络大小的增大而增强,这与固定耦合强度的结果不同。该结果表明,STDP可以增强或抑制神经网络中通道噪声诱导的CR,并且存在最佳的网络随机连接概率和网络大小,从而使内在CR现象达到最强。这些发现可以深入了解STDP对通道噪声作用下自适应神经网络的相干性调节作用。然后研究了通道中毒作用下的自适应神经网络动力学行为。研究发现:在自适应时滞SF随机HH神经网络中,通道中毒对时滞诱导多重CR的影响会因通道噪声强度的不同而不同,适当的通道噪声强度会使多重CR现象变得更加显著。K~+通道中毒能够抑制时滞诱导的多重CR,而Na~+通道中毒能增强时滞诱导的多重CR,并且最佳的Na~+通道中毒值使得多重CR现象最为明显。此外,STDP作用于通道中毒也会对多重CR产生显著的影响。随着STDP的调节率的增加,对于K~+通道中毒来说,存在最适当的调节率使得多重CR最明显,而对于Na~+通道中毒来说,多重CR现象则是减弱的。这些发现为深入了解通道中毒在自适应神经系统信息处理中的作用提供了新的思路。
【学位单位】：鲁东大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R338;TP183
【部分图文】：

1神经细胞

图 1.1.2 突触结构 A 电突触；B 化学突触突触具有可塑性，其特征为突触功能的调整、形态的改变以及数目增减的能。神经元网络中的突触可塑性指利用神经科学中相关的突触可塑性理论，结合

图 1.1.3 动作电位形成的离子机制在离子通道蛋白中，分子构型变化会引起离子通道的开放与关闭。离子通声的随机波动是神经元系统中噪声的一重要来源。不同离子有自己独立的通
【相似文献】

相关期刊论文 前10条

1 马惠群;秦冰;张丽静;;自适应神经网络在公路客运量预测方面的应用[J];山东交通科技;2006年03期

2 成卫,李国超,张瑾,杨志发;基于自适应神经网络模糊系统的交通事故损失预测[J];昆明理工大学学报(理工版);2004年02期

3 艾剑良;杨曦中;;一种基于自适应神经网络的航空发动机故障诊断方法[J];中国科学:技术科学;2018年03期

4 孙燕;;自适应神经网络模糊小波语音消噪算法[J];声学技术;2014年03期

5 赵阳;邢继峰;;潜艇垂直面运动自适应神经网络模糊控制仿真[J];计算机仿真;2009年06期

6 戴群亮;张邦成;赵丁选;;工程车辆并行自适应神经网络自动换挡控制[J];农业机械学报;2007年09期

7 王辉,徐锦法,高正;无人直升机自适应神经网络姿态控制(英文)[J];Transactions of Nanjing University of Aeronautics & Astronau;2004年03期

8 尤金;刘俊勇;邱高;胥威汀;苟竞;;基于自适应神经网络的电压快速估计[J];电力勘测设计;2017年01期

9 曾英;;基于自适应神经网络的调频调幅信号预测[J];长沙大学学报;2013年02期

10 肖霞;秦毅;;基于二级倒立摆的自适应神经网络模糊控制[J];辽宁师范大学学报(自然科学版);2007年04期

相关博士学位论文 前4条

1 姜辉;自动平行泊车系统转向控制策略的研究[D];吉林大学;2010年

2 张敏;复杂非线性系统的智能自适应控制研究[D];南京航空航天大学;2008年

3 黄文明;直升机神经网络控制与飞行品质要求的实现[D];南京航空航天大学;2002年

4 王威;汽车整车与转向系非线性动力学特性及控制仿真研究[D];哈尔滨工业大学;2010年

相关硕士学位论文 前10条

1 谢慧娟;通道中毒对自适应神经网络动力学行为的影响[D];鲁东大学;2019年

2 刘鑫;自适应神经网络在异常天气下光伏出力预测中的应用研究[D];华北电力大学(北京);2018年

3 王文平;基于自适应神经网络的智能家居网关的设计[D];哈尔滨理工大学;2016年

4 任金星;两轮自平衡小车自适应神经网络模糊控制研究[D];西安电子科技大学;2009年

5 覃彬;自适应神经网络模糊推理在中长期电力负荷预测中的应用[D];湖南大学;2008年

6 关婷婷;基于自适应神经网络的非线性系统输出反馈研究[D];哈尔滨理工大学;2011年

7 丁佳峰;基于标准年和趋势项的水文预报方法研究[D];河北工程大学;2009年

8 王李宁;基于软计算的结构优化设计[D];南京航空航天大学;2003年

9 符浩;基于自适应神经网络的复杂机械臂控制研究[D];湖南工业大学;2016年

10 李志;模糊神经推理系统—ANFIS在散货船运力预测中的应用研究[D];大连海事大学;2000年

本文编号：2878588