神经系统中差频随机共振研究
发布时间：2021-07-28 06:15
大脑是一个复杂的非线性系统,噪声对大脑中高效神经信息处理与加工至关重要。特别是,人们发现神经元可以利用随机共振机制提高自身对微弱周期信号的处理能力。传统随机共振理论仅涉及单周期信号,但真实大脑中的神经元会受到来自不同脑区的多种周期信号共同驱动。近期的研究表明,神经系统在噪声的帮助下可以有效地处理不同周期刺激的频率差信息,由此提出了神经系统中频率差依赖的随机共振理论。然而,差频随机共振现象是否可以在不同放电类型的神经元中观察到,其表现是否受到神经元自身放电性质以及神经网络拓扑结构的调控,尚不明确。为此,本学位论文利用计算神经科学手段,从单神经元和小世界神经元网络两个层次研究了神经系统差频随机共振现象及其调控机制,获得了如下成果:第一,在单神经元水平上,我们关注四类典型神经元放电类型,包括:规则放电、固有爆发式放电、快速放电以及低阈值放电。研究发现,四种放电类型神经元均存在差频随机共振现象,适当提高阈下直流分量可以使它们在相对较低的噪声强度下增强对弱频率差信息的响应。此外,不同类型神经元对于差频的敏感区间不同,其中快速放电神经元对较低的差频响应更强,而其余类型神经元对于适中的频率差响应最优...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图1-1双势阱中的随机共振现象，图片改自[23]
-1 HH 神经元模型[60]。（a）HH 神经元模型等效电路图；（b）直流电流刺激下的细胞位图。神经元模型主要分为两类，一类是只用抽象的数学语言刻画神经元行为依赖模型，另外一类是通过具体电生理特性来模拟神经元活动的生物物1952 年 Hodgkin 和 Huxley 等人利用电压钳技术记录了大量的乌贼轴突活据，并采用非线性微分方程组的形式将这些实验数据模拟出来。该非线性
图 2-2 Izhikevich 模型产生的不同放电神经元对应的参数组合[61]。（a）为模型变量和参数在神经元放电产生过程中作用示意图。（b）和（c）为不同放电神经元类型对应参数取值。（d）为参数组合下 FS 神经元膜电位示意图。在探究 Izhikevich 神经元模型上产生的差频随机现象时，令公式（2-1）中I 表达如下：app noiseI I I(2-4)其中：1 1 2 2sin(2 ) sin(2 )appI A f t A f t(2-5)0= ( )noiseI I D t(2-6)在上述两式中，appI 表示携带两个不同频率的周期混合信号，1A 和2A 分别为两个周期信号的幅度，1f 和2f 为两个周期信号的频率，差频被定义为0 1 2f f f。noiseI表示噪声信号，0I 为阈下偏移电流， (t )为均值为 0、方差为 1 的高斯白噪声， D为无量纲参数，其用来调控噪声强度大小。
【参考文献】：
期刊论文
[1]混沌变步长萤火虫优化的随机共振微弱信号检测[J]. 行鸿彦,韩杰,刘刚. 探测与控制学报. 2019(01)
[2]基于FOA的自适应随机共振滚动轴承故障检测[J]. 许梦颖,王红军. 组合机床与自动化加工技术. 2019(02)
[3]小世界网络浅介[J]. 汪秉宏,李平. 现代物理知识. 2016(03)
[4]耦合小世界神经网络的随机共振[J]. 于海涛,王江,刘晨,车艳秋,邓斌,魏熙乐. 物理学报. 2012(06)
[5]Harmonic stochastic resonance-enhanced signal detecting in NW small-world neural network[J]. 王道光,梁小明,王晶,杨成方,刘凯,吕华平. Chinese Physics B. 2010(11)
[6]利用“小世界效应”优化网络同步[J]. 吴小艳,缪雪晴,杨帆. 消费导刊. 2009(20)
[7]小世界生物神经网络的相干共振研究[J]. 周小荣,罗晓曙. 物理学报. 2008(05)
[8]刺激引起的小世界生物神经网络同步[J]. 郑鸿宇,罗晓曙. 复杂系统与复杂性科学. 2008(01)
博士论文
[1]兴奋—抑制神经元网络的放电动力学特性研究[D]. 李慧妍.北京邮电大学 2018
硕士论文
[1]感知神经元网络的随机共振现象研究[D]. 季冰.青岛大学 2015
[2]小世界神经元网络的同步和随机共振[D]. 吴敏.兰州理工大学 2009
本文编号：3307393
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图1-1双势阱中的随机共振现象，图片改自[23]
-1 HH 神经元模型[60]。（a）HH 神经元模型等效电路图；（b）直流电流刺激下的细胞位图。神经元模型主要分为两类，一类是只用抽象的数学语言刻画神经元行为依赖模型，另外一类是通过具体电生理特性来模拟神经元活动的生物物1952 年 Hodgkin 和 Huxley 等人利用电压钳技术记录了大量的乌贼轴突活据，并采用非线性微分方程组的形式将这些实验数据模拟出来。该非线性
图 2-2 Izhikevich 模型产生的不同放电神经元对应的参数组合[61]。（a）为模型变量和参数在神经元放电产生过程中作用示意图。（b）和（c）为不同放电神经元类型对应参数取值。（d）为参数组合下 FS 神经元膜电位示意图。在探究 Izhikevich 神经元模型上产生的差频随机现象时，令公式（2-1）中I 表达如下：app noiseI I I(2-4)其中：1 1 2 2sin(2 ) sin(2 )appI A f t A f t(2-5)0= ( )noiseI I D t(2-6)在上述两式中，appI 表示携带两个不同频率的周期混合信号，1A 和2A 分别为两个周期信号的幅度，1f 和2f 为两个周期信号的频率，差频被定义为0 1 2f f f。noiseI表示噪声信号，0I 为阈下偏移电流， (t )为均值为 0、方差为 1 的高斯白噪声， D为无量纲参数，其用来调控噪声强度大小。
【参考文献】：
期刊论文
[1]混沌变步长萤火虫优化的随机共振微弱信号检测[J]. 行鸿彦,韩杰,刘刚. 探测与控制学报. 2019(01)
[2]基于FOA的自适应随机共振滚动轴承故障检测[J]. 许梦颖,王红军. 组合机床与自动化加工技术. 2019(02)
[3]小世界网络浅介[J]. 汪秉宏,李平. 现代物理知识. 2016(03)
[4]耦合小世界神经网络的随机共振[J]. 于海涛,王江,刘晨,车艳秋,邓斌,魏熙乐. 物理学报. 2012(06)
[5]Harmonic stochastic resonance-enhanced signal detecting in NW small-world neural network[J]. 王道光,梁小明,王晶,杨成方,刘凯,吕华平. Chinese Physics B. 2010(11)
[6]利用“小世界效应”优化网络同步[J]. 吴小艳,缪雪晴,杨帆. 消费导刊. 2009(20)
[7]小世界生物神经网络的相干共振研究[J]. 周小荣,罗晓曙. 物理学报. 2008(05)
[8]刺激引起的小世界生物神经网络同步[J]. 郑鸿宇,罗晓曙. 复杂系统与复杂性科学. 2008(01)
博士论文
[1]兴奋—抑制神经元网络的放电动力学特性研究[D]. 李慧妍.北京邮电大学 2018
硕士论文
[1]感知神经元网络的随机共振现象研究[D]. 季冰.青岛大学 2015
[2]小世界神经元网络的同步和随机共振[D]. 吴敏.兰州理工大学 2009
本文编号：3307393
本文链接：https://www.wllwen.com/yixuelunwen/jichuyixue/3307393.html
