突触耦合对神经元网络自激行为的调控研究

突触耦合对神经元网络自激行为的调控研究

论文摘要

自激行为是神经系统产生的一种重要的自发群体放电活动,不仅与睡眠状态的转换、生物节律等基础功能相关,还参与记忆、认知、学习等多种高级功能。大脑神经元间的信息交互经由突触完成,有证据表明突触耦合动力学对神经群体的联合放电活动有显著的调节作用。但目前为止,突触耦合对神经系统自激行为调控的研究尚不完善,开展相关研究对大脑功能机制的理解具有重要意义。在本学位论文中,我们利用计算神经科学研究方法,通过建立随机神经元网络数学模型,较系统地探索了网络结构与突触传输动力学对神经元网络自激行为产生与维持的调控作用,获得以下主要研究结果:首先,我们研究了网络结构对神经元网络自激行为的影响,发现神经元网络只在一定的网络连接概率范围内产生自激行为,并且自激行为的维持时间随着连接概率的增加先变长后缩短。在同一连接概率下,自激行为的维持时间随着网络尺度的增大而变长。第二,我们系统地研究了突触耦合对神经群体自激行为的调节作用。我们发现突触耦合对自激行为的调控主要体现在突触强度分布与突触传输延迟两方面。其中,增大耦合强度分布的均值或标准差均可提高神经元网络的自维持时间;兴奋性与抑制性突触传输延迟对自激行为具有相反的调控作用:增大兴奋性传输延迟有助于自激行为的维持,而抑制性突触延迟过长则令网络不能产生群体自激放电。此外,我们的结果还证实,增加神经元的不应期可显著地抑制网络自激行为的产生与维持。第三,我们进一步研究了网络放电不规则性、同步性与群体自激行为之间的关系。通过对不同连接概率下网络模型的峰峰间距变异系数、自维持时间以及一致性指标的统计分析,发现神经元网络放电活动的不规则性与自维持时间的呈正相关;而对于网络同步性与自激行为的关系我们没有得到一致的结论。综上所述,通过构造突触耦合强度服从对数正态分布的神经元网络模型,我们发现网络结构、突触耦合强度、网络放电模式等在自激行为的形成与维持中具有重要作用。这些结果不仅加深了对神经系统信息处理机制的理解,也为生理实验提供了理论指导或验证。

论文目录

  • 摘要
  • abstract
  • 缩略词表
  • 第一章 绪论
  •   1.1 研究背景和意义
  •   1.2 神经元与突触概述
  •     1.2.1 神经元的结构、功能及分类
  •     1.2.2 神经元的电生理特性
  •     1.2.3 突触的结构及分类
  •   1.3 突触非随机性连接的研究进展
  •   1.4 神经系统自激行为的研究进展
  •   1.5 神经网络放电的不规则性与同步性
  •   1.6 本论文的结构安排
  • 第二章 神经元网络模型与数据分析方法
  •   2.1 引言
  •   2.2 神经元网络模型
  •     2.2.1 神经元网络拓扑结构
  •     2.2.2 整合发放神经元模型
  •     2.2.3 突触耦合的数学模型
  •   2.3 评价指标
  •   2.4 本章小结
  • 第三章 随机神经元网络中自激行为的产生与调控
  •   3.1 引言
  •   3.2 网络自激行为的产生与分析
  •   3.3 网络结构对自激行为的调控
  •     3.3.1 连接密度的影响
  •     3.3.2 网络尺度的影响
  •   3.4 突触与神经元动力学对自激行为的调控
  •     3.4.1 突触强度的影响
  •     3.4.2 突触传输延时的影响
  •     3.4.3 神经元不应期的影响
  •   3.5 放电不规则性和同步性与自激行为的关系
  •     3.5.1 放电不规则性与自激行为的关系
  •     3.5.2 网络同步性与自激行为的关系
  •   3.6 本章小结
  • 第四章 总结与展望
  •   4.1 全文总结
  •   4.2 工作展望
  • 致谢
  • 参考文献
  • 攻读硕士学位期间取得的成果
  • 文章来源

    类型: 硕士论文

    作者: 何珊

    导师: 郭大庆

    关键词: 自激行为,非随机突触耦合,神经元网络,同步,不规则放电

    来源: 电子科技大学

    年度: 2019

    分类: 基础科学,医药卫生科技

    专业: 生物学,基础医学

    单位: 电子科技大学

    分类号: R338

    总页数: 65

    文件大小: 5050K

    下载量: 48

    相关论文文献

    • [1].浅析神经元网络算法在中医药真实世界研究中应用可行性[J]. 天津中医药大学学报 2020(05)
    • [2].模糊神经元网络评价体系实证研究[J]. 建筑与文化 2018(10)
    • [3].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(06)
    • [4].肚子里的“第二大脑”[J]. 大自然探索 2017(05)
    • [5].混合突触作用下耦合时滞对模块神经元网络簇同步的影响[J]. 动力学与控制学报 2015(06)
    • [6].对传过程神经元网络及其应用研究[J]. 微型机与应用 2012(17)
    • [7].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(03)
    • [8].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(S3)
    • [9].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(04)
    • [10].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(08)
    • [11].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(10)
    • [12].前馈型神经元网络中的放电频率传递分析[J]. 动力学与控制学报 2020(01)
    • [13].神经元网络控制器在热网中的应用研究[J]. 自动化仪表 2014(12)
    • [14].一种概率过程神经元网络模型及分类算法[J]. 智能系统学报 2009(04)
    • [15].一种反馈过程神经元网络模型及在动态信号分类中的应用[J]. 计算机应用研究 2009(12)
    • [16].模式神经元网络的聚类方法研究[J]. 北京石油化工学院学报 2009(04)
    • [17].基于遗传算法和神经元网络的心电信号T波检测[J]. 中国生物医学工程学报 2008(04)
    • [18].基于自适应线性神经元网络的谐波检测算法[J]. 电子技术应用 2017(06)
    • [19].一种新型过程神经元网络安全模型[J]. 中国科技论文 2013(04)
    • [20].基于离散过程神经元网络旋转机械轴承故障诊断模型[J]. 化学工程与装备 2013(09)
    • [21].基于过程神经元网络的时间序列预测方法[J]. 计算机工程 2012(05)
    • [22].基于新型动态神经元网络的逆系统方法[J]. 控制工程 2012(03)
    • [23].灰色混沌神经元网络模型及其短期人口预测[J]. 系统工程 2012(10)
    • [24].神经元网络模型的弱信号随机共振检测研究[J]. 计算机工程与应用 2011(02)
    • [25].基于过程神经元网络与遗传算法的交通流预测[J]. 交通信息与安全 2010(05)
    • [26].一种基于数值积分的过程神经元网络训练算法[J]. 计算机科学 2010(11)
    • [27].基于自适应小波过程神经元网络的人口预测研究[J]. 长江大学学报(自然科学版)理工卷 2008(04)
    • [28].基于模糊神经元网络的信息融合模型[J]. 河北理工大学学报(自然科学版) 2008(03)
    • [29].基于概率神经元网络模型的高校政治教学系统构建[J]. 自动化技术与应用 2020(01)
    • [30].一种改进的过程神经元网络模型方式预测城市用水量[J]. 科技与企业 2013(02)

    标签:;  ;  ;  ;  ;  

    突触耦合对神经元网络自激行为的调控研究
    下载Doc文档

    猜你喜欢