

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、神經系統(tǒng)中最基本的元素是神經元,神經元在傳遞信息的生物學過程中會受到各式各樣的噪聲的影響,比如細胞離子通道打開和關閉的隨機性、化學突觸釋放神經遞質的隨機性、周圍分子運動的隨機性以及其他神經元輸入信號的隨機性等。所以噪聲對神經系統(tǒng)影響的研究非常重要。
先前的觀念里認為噪聲對一些行為是有害的,然而在非線性系統(tǒng)中噪聲對于一些重要動力學過程的發(fā)生是必要的。在非線性系統(tǒng)中,噪聲的其中一個顯著的作用是隨機共振,即噪聲可以增強系統(tǒng)對外界弱周
2、期信號的反應。然而,在神經系統(tǒng)中,并不是總有信號輸入,此時就有另一種重要的現象,那就是相干共振,即只有噪聲存在的情況下,非線性系統(tǒng)會產生類似“隨機共振”的現象。到目前為止,在關于神經系統(tǒng)的相干共振和隨機共振中,通常都是采用白噪聲來進行研究。然而,在現實世界中,白噪聲是不存在的,色噪聲和有界噪聲能更好的模擬生命環(huán)境。本文主要在Rulkov離散的神經元模型中輸入不同的非高斯色噪聲和有界噪聲,探究其在噪聲作用下的非線性動力學行為。主要的研究內
3、容如下:
一:研究了非混沌 Rulkov神經元模型中,非高斯色噪聲對系統(tǒng)的相干共振的影響。首先,通過對非線性方程進行了數值模擬,得出了系統(tǒng)參數的動力學分叉圖。接下來研究了由非高斯色噪聲誘導下神經元的放電時間序列,發(fā)現非高斯噪聲強度、相關時間和非高斯參數可以影響神經系統(tǒng)的放電行為。最后,通過采用相干共振系數R衡量放電行為的規(guī)則性,論證了存在合適的非高斯色噪聲的噪聲強度和相關時間使得相干共振R出現明顯的最小值。這表明非高斯色噪聲可
4、以誘導神經元產生相干共振現象。
二:研究了混沌 Rulkov神經元模型中,有界噪聲和乘性非高斯噪聲對系統(tǒng)的動力學行為。通過研究由非高斯色噪聲激發(fā)神經元放電的時間序列,得出了與相干共振有關的系統(tǒng)指標,如噪聲強度、相關時間以及非高斯參數。然后,采用相干共振系數R衡量放電行為的規(guī)則性,論證了存在合適的非高斯色噪聲的噪聲強度和相關時間使得相干共振R出現明顯的最小值。這表明非高斯色噪聲可以誘導混沌 Rulkov神經元模型產生相干共振現象
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Rulkov神經元模型在平均耦合下的分岔分析.pdf
- 神經元模型的動力學特性研究.pdf
- 神經元模型參數辨識及控制的研究.pdf
- 基于神經元模型的電刺激仿真研究.pdf
- 神經元模型的降階與分岔分析.pdf
- 隨機相關輸入的Integrate-and-Fire神經元模型.pdf
- 基于放電特性的神經元模型參數辨識的研究.pdf
- 基于Izhikevich神經元模型的神經網絡建模仿真.pdf
- 回聲狀態(tài)網絡的神經元模型和拓撲結構優(yōu)化研究.pdf
- 3978.噪聲環(huán)境下非線性整合發(fā)放神經元模型的隨機共振
- 8081.隨機hodgkinhuxley神經元網絡的相干共振
- 神經元NMDA損傷:腦片及神經元模型、藥物保護作用及信號轉導特點.pdf
- 19476.一類神經元模型同步控制
- Hindmarsh-Rose神經元模型混沌控制與同步問題的研究.pdf
- Rulkov和Head direction神經元及神經元網絡的動力學分析.pdf
- 整合發(fā)放神經元模型突觸輸入參數估計研究.pdf
- Stein神經元模型在共同隨機輸入下的同步性.pdf
- 一類神經元模型的動力學分析.pdf
- 基于尖峰神經元模型的機器人學習方法研究.pdf
- 非線性系統(tǒng)理論在Chialvo神經元模型中的應用.pdf
評論
0/150
提交評論