High- and low-conductance NMDA receptors are present in layer 4 spiny stellate and layer 2/3 pyramidal neurons of mouse barrel cortex
NMDA受体是哺乳动物脑中由神经递质谷氨酸激活的离子通道，在突触功能和可塑性中很重要，但也存在于突触外位置并影响神经元兴奋性。存在不同的NMDA受体亚型，其单通道电导不同。最近，突触可塑性已在小鼠桶皮层，主要的感觉皮层的输入从动物的胡须。药理学数据表明，皮层第4层棘状星状神经元中存在低电导NMDA受体，但第2/3层锥体神经元中存在高电导NMDA受体。在这里，以获得互补的电生理信息的功能NMDA受体表达在第4层和第2/3层神经元，单个NMDA受体电流记录与膜片钳方法。这两种细胞类型被发现含有高电导以及低电导NMDA受体。结果是一致的药理学数据报告的突触可塑性，并与以前的索赔的一个突出的作用，低电导NMDA受体在第4层棘星状神经元，包括广泛的整合，放大和分布的桶内的兴奋，响应晶须刺激，以及调制的兴奋性环境谷氨酸。然而，第4层细胞也表达高电导NMDA受体。在第2/3层锥体神经元的低电导NMDA受体的存在下，这些功能中的一些可能与第4层棘星状神经元共享。
2016-09-05 q-bio.NC
Firing rate of the leaky integrate-and-fire neuron with stochastic conductance-based synaptic inputs with short decay times
我们计算了一个泄漏的集成和消防（LIF）神经元与随机电导为基础的输入在极限时，突触衰减时间远短于膜的时间常数的发射率。我们的分析结果的数值模拟的比较，提出了一系列的生物医学现实的参数。
2020-02-25 q-bio.NC
Dendritic structure enables powerful plasticity
University of Bern（伯尔尼大学）；Okinawa Institute of Science and Technology（冲绳科学技术大学院大学）；University of Zürich（苏黎世大学）；ETH Zürich（苏黎世联邦理工学院）
该研究聚焦树突结构对突触可塑性的影响，提出神经元区室化可让突触计算误差信号，通过梯度下降实现局部深度学习，能学习比全局赫布可塑性更复杂的任务。
2026-08-26 q-bio.NC
Control over stress induces plasticity of individual prefrontal cortical neurons: A conductance-based neural simulation
当缺乏控制时，对压力刺激的行为控制会诱导对未来条件的弹性。内侧前额叶皮层（mPFC）是一个至关重要的大脑区域所需的可塑性的压力恢复。我们发现，对压力的控制诱导PFC中锥体神经元的固有电压门控电导的可塑性。为了深入了解这种可塑性的潜在生物物理机制，我们使用基于电导的神经模拟软件工具NEURON来模拟与压力恢复力相关的膜兴奋性增加。一个球和棒的多室电导为基础的模型，以切合实际的适应被动和主动的数据轨迹，从原型的锥体神经元在大鼠的神经元控制尾部休克应激和缺乏控制。结果表明，可塑性的膜兴奋性与控制压力可以归因于增加Na+和Ca2+ T型电导和增加的泄漏电导。使用模拟树突状突触输入，我们观察到兴奋性突触后总和和放大的增加，导致动作电位输出升高。这种现实的模拟表明，控制压力提高输出的PFC，并提供具体的可检验的假设，以指导未来的电生理机制研究的动物模型的弹性和脆弱性的压力。
2012-04-04 q-bio.NC
Rapid Changes in Synchronizability in Conductance-based Neuronal Networks with Conductance-based Coupling
本文将主稳定函数方法扩展到基于电导耦合的 Morris-Lecar 神经元网络，揭示反转电位对同步稳定性的决定性作用及兴奋/抑制转变的快速性，并发现抑制性连接在特定耦合强度下会出现同步性岛屿。
2023-09-20 q-bio.NC
Interplay of activation kinetics and the derivative conductance determines resonance properties of neurons
在具有超极化激活电流（$I_h$）的神经元中，正确的输入频率导致输出响应的增强。这种行为被称为共振，并通过神经元阻抗很好地描述。在一个简单的神经元模型中，我们推导出神经元共振的方程，并将其频率和存在性与$I_h$的生物物理特性联系起来。对于小的电压变化，由电压依赖性电导变化（$dg/dV$）引起的电流变化与电压变化之比（$dI/dV$）的分量称为导数电导（$G_h^{Der}$）。我们发现，$G_h^{Der}$和电流激活动力学（其特征在于由激活时间常数$τ_h$）主要负责控制频率和共振的存在。两个因子（$G_h^{Der}$和$τ_h$）的增加极大地有助于共振的出现。我们还表明，由于$G_h^{Der}$的电压依赖性，共振是电压依赖性的。我们的研究结果具有重要的意义，可以用来预测和解释神经元与$I_h$电流的共振特性。
2018-04-12 q-bio.NC
Stochastic inference with spiking neurons in the high-conductance state
在体内观察到的新皮层电路的高度可变的动态已被假设为代表正在进行的随机推理的签名，但在明显的对比，在体外测量的神经元的确定性反应的立场。基于膜的自相关传播的尖峰脉冲串，我们提供了一个分析推导的神经激活函数，适用于一个大的参数空间，包括高电导状态。在此基础上，我们展示了如何在尖峰环境中嵌入基于电导的突触的泄漏集成和发射神经元的集合可以获得正确的发射统计数据，以便从定义明确的目标分布中进行采样。对于经常性网络，我们研究收敛到平稳的计算机模拟和演示样本为基础的贝叶斯推断在一个混合的图形模型。这指出了高电导状态的一个新的计算角色，并在网络层面上建立了确定性神经元模型和功能随机动力学之间的严格联系。
2016-10-23 cond-mat.dis-nn cs.NE physics.bio-ph
Nonlinear Dendritic Coincidence Detection for Supervised Learning
皮质锥体神经元具有复杂的树突状结构，其功能是一个活跃的研究领域。特别是，它的胞体和顶端树突树之间的分离被认为在处理前馈感觉信息和自上而下或反馈信号中起着积极的作用。在这项工作中，我们使用了一个简单的两室模型，考虑到基底和顶端输入流之间的非线性相互作用，并表明基底室中的标准无监督Hebbian学习规则允许神经元将前馈基底输入与顶端室接收的自上而下的目标信号对齐。我们表明，这种学习过程，称为重合检测，是强大的基础输入空间中的强干扰，并证明其有效性的线性分类任务。
2021-07-12 q-bio.NC
Characterizing synaptic conductance fluctuations in cortical neurons and their influence on spike generation
皮质神经元受到持续的和不规则的突触活动，其引起膜电位（Vm）的重要波动。我们在这里回顾不同的方法来表征这种活动及其对穗产生的影响。简化的，波动点电导模型的突触活动提供了起点的各种方法的分析细胞内Vm记录。在这个模型中，突触的兴奋性和抑制性电导由高斯分布的随机变量或有色电导噪声来描述。匹配的实验记录的Vm分布的可逆的理论表达式，从模型中得到的突触电导分布的特征参数的提取。这种分析可以通过实验Vm功率谱密度（PSD）与理论模板的匹配来补充，即使实验PSD的意外缩放特性限制了后者方法的精度。建立在这种随机特性的突触活动，我们还提出了方法来定性和定量评估尖峰触发的平均值的突触时间过程之前的尖峰。这一分析指出了突触电导方差在确定尖峰时间中的重要作用。所提出的方法进行了评估，使用控制电导注射在体外皮质神经元的动态钳技术。我们回顾他们的应用程序在体内的细胞内记录在猫的关联皮层，这表明在确定在活性网络中嵌入的皮层神经元的阈下和阈上动力学抑制的主要作用的分析。
2007-11-15 q-bio.NC
Nigral diffusivity, but not free water, correlates with iron content in Parkinson's disease
帕金森病（PD）的主要特征是黑质神经元黑色素变性。铁沉积与这种损失一起发生。黑质神经元的损失应消除扩散的障碍，并增加水分子在经历这种损失的区域的扩散率。在单室扩散张量成像模型的度量中，这些变化应表现为平均扩散率和自由水室的增加以及分数各向异性的减少。然而，研究黑质扩散率的变化，从PD与单室模型已经产生了不确定的结果和新出现的证据表明，在对照组中，铁腐败的扩散率指标来自单室模型。在两个队列中分析铁敏感数据和扩散数据。在两个队列中评估了铁对单室和双室模型扩散测量值的影响。在两个队列中，PD组的黑质中对游离水室和铁含量敏感的措施均增加。然而，来自单室模型的扩散标志物未在队列中重复。在发现队列和验证队列中观察到单室扩散测量与铁标志物之间的相关性，但在任一队列中均未观察到来自与游离水室相关的双室模型的测量与铁标志物之间的相关性。单室黑质扩散指标在PD的变化可能是由于竞争的影响，增加铁含量，这驱动器的扩散率下降，并增加在自由水室，这驱动器的扩散。相反，来自单室模型的扩散指标，铁和自由水室黑质之间没有关系。
2021-08-17 physics.med-ph q-bio.NC
Nonlinear Statistical Data Assimilation for HVC$_{\text{RA}}$ Neurons in the Avian Song System
与建立一个模型的HVC核在鸟类的鸣叫系统的目标，我们详细讨论了模型的HVC $_{\text{RA}}$投射神经元组成的躯体隔间与快速Na $^+$和K $^+$电流和树突隔间与较慢的Ca $^{2+}$动力学。我们表明，该模型定性地表现出许多观察到的电生理行为。然后，我们展示了在数值程序如何可以设计和分析可行的实验室实验，允许所有的许多参数和不可测的动力学变量的估计，观察体细胞电压$V_s(t)$单独。该过程的关键是首先估计与Ca相关的慢动态，阻断快Na和K变化，然后在Ca参数固定的情况下估计快Na和K动态。这种时间尺度的分离提供了一种用于完成完整神经元模型的数值鲁棒性方法，并且当观测完成时，通过预测来测试该方法的功效。模拟提供了一个框架的切片制备实验，并说明了使用数据同化方法设计这些实验。
2016-09-29 physics.bio-ph physics.data-an q-bio.NC
Point Neurons with Conductance-Based Synapses in the Neural Engineering Framework
Centre for Theoretical Neuroscience, University of Waterloo（滑铁卢大学理论神经科学中心）
神经工程框架（Neural Engineering Framework，NEF）的数学模型将神经元输入表示为突触电流的线性组合。然而，在生物学中，突触不是完美的电流源，因此是非线性的。详细的突触模型是基于通道电导而不是电流，这需要独立处理兴奋性和抑制性突触。特别是，这会显著影响抑制信号对神经元动力学的影响。在本技术报告中，我们首先总结了NEF和基于电导的突触模型的相关部分。然后，我们讨论了一个天真的LIF神经元与电流和电导为基础的突触的基础上估计的平均膜电位的群体之间的翻译。实验表明，这种简单的方法对于前馈通信信道效果相对较好，但对于描述更复杂动态的NEF网络（如集成），性能会下降。
2017-10-20 cs.AI cs.NE q-bio.NC
Physics-constrained inference of somatic dynamics from dendritic recordings with sparse somatic supervision in weakly coupled two-compartment neuron model
Université Le Havre Normandie（勒阿弗尔诺曼底大学）；The Hudson School of Mathematics（哈德森数学学院）
针对仅树突记录下胞体动力学重建难题，提出受双房室Hodgkin-Huxley模型约束的物理信息神经网络，利用稀疏胞体监督（低至1%时间点）即可恢复尖峰，5%时误差降至约2mV。
2026-09-23 q-bio.NC q-bio.QM
A mean-field model for conductance-based networks of adaptive exponential integrate-and-fire neurons
电压敏感染料成像（VSDi）揭示了新皮层处理在介观尺度上的基本特性。由于VSDi信号报告平均膜电位，因此使用平均场形式主义来建模此类信号似乎是自然的。在这里，我们研究了自适应指数（AdEx）集成和消防神经元网络的平均场模型，与基于电导的突触相互作用。AdEx模型可以捕获不同类型细胞的尖峰响应，例如规则尖峰（RS）兴奋性神经元和快速尖峰（FS）抑制性神经元。我们使用一个主方程形式主义，再加上一个半解析的方法来传递函数的AdEx神经元。我们比较这个平均场模型的预测模拟网络的RS-FS细胞，首先在网络的自发活动的水平，这是很好的预测平均场模型。其次，我们研究了网络对时变外部输入的响应，并表明平均场模型准确地预测了种群的响应时间过程。一个值得注意的例外是，在很长一段时间的“尾巴”的反应没有很好地预测，因为平均场不包括适应机制。我们的结论是，主方程形式主义可以产生平均场模型，预测与基于电导的相互作用和各种电生理特性的非线性网络的行为，应该是一个很好的候选人模型的VSD i信号，兴奋性和抑制性神经元的贡献。
2017-03-02 q-bio.NC
Conductance-based dendrites perform reliability-weighted opinion pooling
线索整合，即结合不同来源的信息以减少不确定性，是大脑功能的基本计算原理。从规范模型开始，我们表明具有基于电导的树突的多隔室神经元的动力学自然地实现了所需的概率计算。相关的错误驱动的可塑性规则允许神经元从数据样本中学习不同通路的相对可靠性，在多感觉整合任务中近似贝叶斯最优观察者。此外，该模型提供了一个功能的解释，从多感觉整合实验的神经记录，并作出具体的预测个别神经元的膜电位和电导动力学。
2020-06-26 q-bio.NC
A New Framework for Determination of Excitatory and Inhibitory Conductances Using Somatic Clamp
兴奋和抑制之间的相互作用对大脑计算至关重要。为了理解大脑功能的突触机制，重要的是要分离对目标神经元的兴奋性和抑制性输入。在传统的方法中，在施加体细胞电流或电压钳之后，由突触电流-电压（I-V）关系确定兴奋性和抑制性电导，斜率对应于总电导，截距对应于反转电流。由于空间箝位效应，所测量的电导通常基本上偏离枝晶上的局部电导。因此，传统方法测得的电导的解释仍有待澄清。在这项工作中，基于一个理想化的球杆神经元模型和一个生物现实的锥体神经元模型的调查，我们首先证明了分析和数值计算，由传统的方法确定的电导没有明确的生物学解释，由于忽略了钳电流和突触电流之间的非线性相互作用的空间树突。因此，传统的方法会导致电导测量的任意大的误差，有时甚至会导致非物理意义上的负电导。为了避免使用传统方法阐明突触对神经元计算的影响的困难，我们提出了一个框架，以确定直接反映突触输入对动作电位启动的功能影响，从而神经元信息处理的有效电导。我们的框架已被进一步验证在现实的神经元模拟，从而大大提高了传统的方法，提供了一个可靠的和准确的评估的作用，突触活动在神经元计算。
2017-10-14 q-bio.NC q-bio.QM
Determination of Effective Synaptic Conductances Using Somatic Voltage Clamp
兴奋性和抑制性神经元之间的相互作用赋予大脑丰富的功能。为了理解潜在的突触机制，一个基本的方法是研究每个神经元的兴奋性和抑制性电导的动力学。传统的电导测定方法是利用电压钳获得的突触电流-电压（I-V）关系。使用理论分析，电生理实验，和现实的模拟，在这里，我们证明了传统的方法在概念上无法测量的电导由于忽略了钳位电流和突触电流之间的非线性相互作用。因此，它会引起很大的测量误差，甚至会引起实验中观察到的非物理负电导。为了阐明突触对神经元信息处理的影响，我们引入了有效电导的概念，并提出了一个框架，以准确地确定它。我们的工作建议重新检查以前的研究涉及电导测量，并提供了一个可靠的方法来评估突触对神经元计算的影响。
2017-10-13 q-bio.NC q-bio.QM
High conductance states in a mean field cortical network model
从视觉皮层神经元的测量反应表明，尖峰时间往往是相关的，而不是完全泊松分布。Fano因子各不相同，并且通常大于1，这是由于尖峰被聚集成爆发的趋势。我们表明，这种行为自然出现在一个平衡的皮质网络模型与随机连接和电导为基础的突触。我们采用平均场理论与正确的有色噪声来描述神经元活动的时间相关性。我们的研究结果阐明了两个独立的实验结果之间的联系：高电导状态的皮质神经元在其自然环境中，和变量的非泊松尖峰统计与Fano因子大于1。
2004-02-11 q-bio.NC
Mean field analysis of large-scale interacting populations of stochastic conductance-based spiking neurons using the Klimontovich method
我们调查的动态大规模相互作用的神经元群体，电导为基础的，尖峰模型神经元与可修改的突触连接强度，这可能也受到外部噪声电流。网络动力学是由一组神经元群体概率分布（$\mathrm{PPD}$），这是沿着相同的线构建的Klimontovich方法的动力学理论的等离子体控制。一个精确的非封闭的，非线性的，系统的积分偏微分方程推导出的$\mathrm{PPD}$的。按照惯例，闭合过程导致平均场极限。我们得到的方程与最近用严格的概率论方法导出的方程是同一类型的。这些所谓的McKean-Vlasov-Fokker-Planck方程的数值解只适用于无限大网络的极限，实际上表明，对于大而有限的网络，由$\mathrm{PPD}$得到的统计测度与通过随机动力系统的直接积分得到的统计测度是一致的。虽然数值解已经在Fitzhugh-Nagumo模型神经元的情况下得到，该理论可以很容易地应用到系统的Hodgkin-Huxley型模型神经元的任意尺寸。
2017-01-23 q-bio.NC
Effects of random inputs and short-term synaptic plasticity in a LIF conductance model for working memory applications
工作记忆（Working Memory，WM）是一种用于暂时存储信息的加工记忆，在各种认知任务的执行中发挥着重要作用。最近的研究表明，WM中的信息不仅通过持续的重复活动来维持，而且可以在活动沉默状态下储存，例如在短期突触可塑性（STSP）中。受STSP机制在WM中的重要应用的启发，本工作的主要重点是分析随机输入对STSP下的泄漏整合和激发（LIF）突触电导神经元的影响。此外，脉冲序列的不规则性可以携带关于神经元中的先前刺激的信息。具有多个输入和峰间间期（ISI）的变异系数（CV）的LIF电导神经元可以产生输出解码神经元。我们的数值结果表明，在随机输入电流和随机不应期的标准偏差的增加，可以导致增加的不规则性的脉冲序列的输出神经元。
2022-05-10 q-bio.NC
A Mean-Field Method for Generic Conductance-Based Integrate-and-Fire Neurons with Finite Timescales
本文扩展Fokker-Planck方法，利用Fox理论构建有效方程，在无需调整自由参数的情况下，求解通用电导型Integrate-and-Fire神经元在有色与乘性噪声下的传递函数，并准确重现模拟神经元的发放率行为。
2023-05-24 q-bio.NC
A simplified voltage-conductance kinetic model for interacting neurons and its asymptotic limit
神经元集体行为的电压-电导动力学模型已经被科学家和数学家研究了20多年，但尽管在各种情况下有大量的数值证据，但其解结构的严格分析只得到了部分。在这项工作中，我们考虑一个简化的电压电导模型，其中的速度场的电压变量是在一个可分离的形式。长时间的行为的简化模型进行了充分的调查，导致以下二分法：无论是密度函数收敛到全局平衡，或发射率发散的时间去到无穷大。此外，证明并分析了快速电导渐近极限，其中极限模型的解要么在有限时间内爆破，要么全局存在，导致时间周期解。这些结果的一个重要含义是，不可分离的速度场，或物理上的泄漏机制，是一个关键因素的出现周期性的解决方案，在原始模型的基础上，现有的数值证据。
2022-03-05 math.AP q-bio.NC
Noise-Induced Transitions and Coherence Resonance in a 5D Conductance-Based Neuronal Model
The University of Sydney（悉尼大学）
本文研究了噪声对神经元兴奋性的影响，揭示了乘性噪声通过Kramers逃逸机制促进神经元在高维振荡器中达到病理性超兴奋状态的物理机制。
2026-07-22 math.PR nlin.CD physics.bio-ph
Exact analysis of the subthreshold variability for conductance-based neuronal models with synchronous synaptic inputs
本文提出一种基于可交换性和跳跃过程的分析框架，精确计算电导型神经元在同步突触输入下的阈下膜电位变异性，发现异步状态需大突触驱动，而皮层输入需弱同步性。
2023-12-28 math.PR q-bio.NC
Extracting synaptic conductances from single membrane potential traces
在清醒的动物中，大脑皮层的活动是高度复杂的，神经元不规则地放电，具有明显的泊松统计。描述这种复杂性的一种方法是利用大脑皮层的高度互连性，并使用皮层神经元的细胞内记录，其中包含有关数千个其他皮层神经元活动的信息。识别随机过程的膜电位（Vm）能够提取这种复杂突触活动的重要统计特征。通常，估计总突触电导（兴奋性和抑制性），但这种类型的估计需要至少两个Vm水平，因此不能应用于单个Vm迹线。我们在这里提出了一种方法来提取兴奋性和抑制性电导（平均值和方差）从单一的Vm痕迹。这种“VmT方法”估计电导参数使用最大似然标准，假设是突触电导描述的高斯随机过程，并集成了被动泄漏膜。该方法使用模型进行说明，并在豚鼠视觉皮层神经元在体外使用动态钳实验进行测试。VmT方法有望从单次试验测量中提取电导，这对于体内应用具有很高的潜力。
2009-01-10 q-bio.NC q-bio.TO
Active dendrites enhance neuronal dynamic range
自从树突中主动电导的第一个实验证据以来，大多数神经元已被证明通过多种电压门控离子通道的表达而表现出树突兴奋性。然而，尽管在过去的几十年里进行了实验和理论上的努力，这种兴奋性对某种树突计算的作用仍然难以捉摸。在这里，我们表明，由于非常普遍的属性的可兴奋介质，活跃的树突状树的模型的平均输出是一个高度非线性的函数，其传入率，达到非常大的动态范围（50分贝以上）。此外，该模型产生双S形响应函数，实验观察到在视网膜神经节细胞。我们认为，动态范围的增强是活性树枝状电导的主要功能作用。我们预测，具有较大树突树的神经元应该具有较大的动态范围，并且阻断活性电导应该导致动态范围的减小。
2009-08-08 nlin.CG physics.bio-ph q-bio.NC
Gradient learning in spiking neural networks by dynamic perturbation of conductances
我们提出了一种方法来估计目标函数相对于尖峰神经网络的突触权重的梯度。该方法通过测量响应于神经元的膜电导的动态扰动的目标函数中的波动来工作。它与具有动态突触的基于电导的模型神经元的递归网络兼容。该方法可以被解释为一个生物学上合理的突触学习规则，如果动态扰动是由一类特殊的“神经”突触产生的随机脉冲序列从外部源驱动。
2006-01-19 q-bio.NC
Beyond spiking networks: the computational advantages of dendritic amplification and input segregation
INFN, Sezione di Roma（意大利国家核物理研究所罗马分部）；SISSA, Trieste, Italy（的里雅斯特国际高等研究学院）
本文提出一种基于树突输入分离和脉冲爆发的神经元模型，通过突发依赖学习规则实现目标导向学习，有效解决时空任务，支持分层模仿学习。
2022-11-04 q-bio.NC
Feedback Identification of conductance-based models
本文将经典预测误差法应用于受噪声影响的神经元非线性离散时间模型估计，利用基于电导模型指数收缩逆动力学的性质，证明了输出反馈下参数估计的一致性，为非线性系统辨识在随机神经元系统中的应用提供了严格框架。
2020-12-16 cs.SY eess.SY q-bio.NC
Burst-dependent plasticity and dendritic amplification support target-based learning and hierarchical imitation learning
INFN, Sezione di Roma（罗马国家核物理研究所）
本文提出一种多室神经元模型，通过脉冲和树突输入分离实现生物目标学习，支持分层模仿学习，分解复杂决策任务。
2022-01-27 q-bio.NC
Continuous Dynamic Photostimulation - inducing in-vivo-like fluctuating conductances with Channelrhodopsins
中枢神经元在由数千个突触前细胞诱导的电导不断波动的状态下工作。视紫红质几乎专门用于通过短暂的去极化序列来压印固定的尖峰图案。在这里，我们介绍了连续动态光刺激（CoDyPs），一种新的方法来模仿在体内一样的输入波动非侵入性转染细胞的弱失活通道视紫红质变体ChIEF。即使在长期实验中，培养的神经元受到CoDyPs产生看似随机，但可重复的尖峰模式。在电压钳位细胞CoDyPs诱导高度可重复的电流波形，可以精确地预测从光电导传递函数的ChIEF。CoDyPs可以在体内和体外研究中取代常规的闪光诱发的尖峰模式印记，保留天然活性。当与非侵入性尖峰检测相结合时，CoDyPs允许采集比以前可能的数量级更大的数据集，用于研究许多单个神经元的动态响应特性。
2013-05-31 q-bio.NC
Statistical physics of neural systems with non-additive dendritic coupling
神经元如何处理它们的输入至关重要地决定了生物和人工神经网络的动力学。在这样的神经和类神经系统中，突触输入通常被认为仅仅通过树突隔室线性或亚线性地传输。然而，单神经元实验报告明显的超线性树突求和足够同步和空间接近的输入。在这里，我们提供了一个统计物理方法来研究这种非加性树突处理对单个神经元的反应和人工神经网络中的联想记忆任务的性能的影响。首先，我们计算随机输入到一个包含非线性树突的神经元的效果。这种方法是独立的神经元动力学的细节。其次，我们使用这些结果来研究网络动态的典范模型中的关联记忆，数值和分析的树突状非线性的影响。我们发现，树枝状的非线性保持网络的收敛性，并增加对噪声的记忆性能的鲁棒性。有趣的是，中间数量的树突状分支对于记忆功能是最佳的。
2015-07-14 physics.bio-ph q-bio.NC
Calculating event-triggered average synaptic conductances from the membrane potential
在中枢神经元中，产生锋电位的突触电导的最佳模式是一个相当感兴趣的课题。理想地，这样的电导时间过程应该从膜电位（Vm）活性中提取，但是这是困难的，因为电导对Vm的非线性贡献使得它们从膜方程的估计极其敏感。我们在这里概述了这个问题的解决方案的基础上离散的时间轴。这个程序可以提取的兴奋性和抑制性电导的时间过程中单独从Vm活动的分析。我们测试这种方法通过计算尖峰触发的平均突触电导使用数值模拟的集成和消防模型受到有色电导噪声。该程序也被成功地测试在生物皮质神经元使用电导噪声注入动态钳。这种方法应该允许提取突触电导从Vm记录在体内。
2007-03-01 q-bio.NC
Effects of noise on leaky integrate-and-fire neuron models for neuromorphic computing applications
人工神经网络（ANN）已被广泛用于描述生物系统中出现的问题，并用于构建神经形态计算模型。第三代人工神经网络，即尖峰神经网络（SNN），受生物神经元的启发，能够更逼真地模拟人脑。这些领域的一大类问题的特征在于需要通过集成和激发神经元模型来处理神经元、尖峰和突触的组合。受神经元的积分和点火在生物医学研究中的神经形态计算中的重要应用的启发，目前工作的主要重点是分析加性和乘性类型的随机输入电流以及随机不应期对泄漏积分和点火（LIF）突触神经元电导模型的影响。我们的分析是通过朗之万随机动力学在一个数值设置描述细胞膜电位。我们提供的模型的细节，以及有代表性的数值例子，并讨论了噪声的影响的膜电位的时间演化以及在LIF突触电导模型仔细检查神经元的尖峰活动。此外，我们的数值结果表明，在LIF突触传导系统中的随机不应期的存在下，可能会大大影响输出神经元的脉冲序列的不规则性增加。
2022-05-18 q-bio.NC
Learning intrinsic excitability in medium spiny neurons
我们提出了一个无监督的，局部激活依赖的学习规则的内在可塑性（IP），影响的组成离子通道电导的单个神经元在使用依赖的方式。我们使用一个单室电导为基础的模型中棘纹状体神经元，以显示参数化的个别离子通道的神经元激活功能的影响。我们表明，在生理范围内的参数变化是足够的，以创建一个合奏的神经元具有显着不同的激活功能。我们强调，内在神经元的变异性对尖峰行为的影响需要一个分布式的突触输入模式，并可以消除强相关的输入。我们展示了离子通道电导的可变性和自适应性如何被用来存储模式，而不需要突触可塑性（SP）的额外贡献。尖峰响应的适应可能导致“正”或“负”模式学习。然而，存储信息的读出依赖于突触活动的分布模式，以使内在变异性决定尖峰响应。我们简要讨论了这种条件记忆对学习和成瘾的影响。
2012-12-13 cs.NE q-bio.NC
Linear response in neuronal networks: from neurons dynamics to collective response
我们回顾了两个例子，其中提交给外部刺激的神经元网络的线性响应可以显式地导出，包括网络参数依赖性。这是在一个类似统计物理学的方法，其中一个关联到模型的自发动力学的自然概念吉布斯分布继承自遍历理论或随机过程。这两个例子是Amari-Wilson-Cowan模型和基于电导的Integrate and Fire模型。
2019-09-10 nlin.CD physics.bio-ph q-bio.NC
Fast reconstruction of degenerate populations of conductance-based neuron models from spike times
Montefiore Institute, University of Liège（里耶克斯大学蒙特福尔研究所）；LTCI, Telecom Paris, Institut Polytechnique de Paris（巴黎电信LTCI研究院，巴黎理工院）
结合深度学习与动态输入电导理论，从尖峰时间快速重建高维电导模型的退化群体，实现高精度、鲁棒且可扩展的推断。
2026-03-09 cs.LG math.DS q-bio.NC
Active subthreshold dendritic conductances shape the local field potential
局部场电位（LFP）的主要贡献被认为是源于神经元的突触输入和随后的阈下树突处理。活性树突电导在塑造LFP中的作用很少受到关注，即使这样的离子通道已知会影响阈下神经元动力学。在这里，我们使用了一种建模方法来研究亚阈值树枝状电导对LFP的影响。使用一个生物病理学详细的，实验约束模型的皮质锥体神经元，我们确定了条件下，阈下有效电导是一个主要因素，在塑造LFP。我们发现，特别是超极化激活的内向电流，I $_{\rm h}$，可以有相当大的影响，并导致共振的LFP功率谱密度。为了对任何亚阈值活性树突电导及其细胞分布如何影响LFP有一个一般的定性理解，我们接下来用简化模型进行了系统的研究。我们发现，当（1）对细胞的突触驱动是不对称分布的（即，基底或顶端），（2）活性电导不均匀地分布，在突触输入附近具有最高的通道密度，以及（3）当LFP在相对于突触输入的细胞的相对极处测量时。总之，我们表明，亚阈值有源电导可以强烈地反映在LFP信号，打开的可能性，LFP可用于表征的属性和细胞分布的有源电导。
2015-12-14 q-bio.NC
The high-conductance state enables neural sampling in networks of LIF neurons
体内神经回路的明显随机性长期以来一直被假设为代表大脑中正在进行的随机推理的签名。最近，已经提出了一个神经采样的理论框架，它解释了如何通过尖峰神经元网络执行基于样本的推理。这种方法的一个特殊要求是神经响应函数紧密遵循逻辑曲线。计算神经反应函数的分析方法一直是许多理论研究的主题。为了使问题易于处理，通常对神经或突触参数进行特定的假设。然而，存在生物学上重要的活动机制，这些方法没有涵盖：在强烈的突触轰击下，如在皮层中经常发生的情况，神经元被转移到高电导状态（HCS），其特征在于小的膜时间常数。在这种情况下，突触时间常数和不应期主导膜动力学。我们的方法的核心思想是分别考虑两种不同的“模式”的尖峰动态：突发尖峰和短暂的静止，其中神经元不长时间尖峰。我们对待前者传播的有效膜电位的PDF从尖峰到尖峰在一个突发，而后者使用扩散近似。我们发现，我们的神经响应函数的预测密切匹配的模拟数据。此外，在HCS的情况下，我们表明，神经响应函数变得对称，可以很好地近似逻辑函数，从而提供正确的动态，以便执行神经采样。因此，我们不仅提供了一个规范的框架，贝叶斯推断在皮层，但也强大的应用程序的低功耗，加速神经形态系统相关的机器学习任务。
2016-01-05 cond-mat.dis-nn cs.NE physics.bio-ph
Geometrical determinant of nonlinear synaptic integration in human cortical pyramidal neurons
该研究揭示人类皮层锥体神经元非线性突触整合阈值由突触到顶树突主干的最短路径距离线性决定，且该规则在啮齿类动物及病理状态下保持稳定，表明其为锥体神经元的基本特性。
2024-08-10 q-bio.NC
Nonlinear Model Predictive Control of a Conductance-Based Neuron Model via Data-Driven Forecasting
本文提出利用数据驱动预测构建 Hodgkin-Huxley 型神经元的非线性机器学习模型，并结合 MPC 在状态和参数信息有限时实现任意指定峰放电行为控制。
2024-08-02 cs.SY eess.SY q-bio.NC
Stable Propagation of a Burst Through a One-Dimensional Homogeneous Excitatory Chain Model of Songbird Nucleus HVC
我们证明了一个简短的突发组成的两个到六个尖峰可以传播在一个稳定的方式通过一个一维均匀的前馈链的非突发神经元与兴奋性突触连接。我们的结果得到了两种神经元模型，泄漏积分和消防（LIF）神经元和Hodgkin-Huxley（HH）神经元的五个电导。在一系列的参数，如最大突触电导，这两种链被发现有多个吸引子的传播突发，每个吸引子被区分的尖峰的数量和总持续时间的传播突发。这些结果似乎合理的假设，稀疏精确定时连续的爆发观察到的投射神经元的核HVC的唱歌斑胸草雀是内在的和因果关系。
2006-05-09 q-bio.NC
Regular spiking in high conductance states: the essential role of inhibition
在神经网络的平衡状态下，对神经元的强抑制性输入会增加突触电流波动。这导致了这样的假设，即抑制有助于体内观察到的高尖峰放电不规则性。我们使用单室神经元模型与时间相关的（由于突触过滤）和状态依赖性（由于反转电位）的输入，以证明抑制性输入的行为，以减少膜电位波动，结果是不能实现与简化的神经输入模型。为了阐明对尖峰放电规律性的影响，我们使用了具有不同尖峰放电适应机制的模型，并观察到，如果通过离子电流实现尖峰放电适应或根本不实现尖峰放电适应，则在具有动态放电阈值和降低放电规律性的模型中添加抑制会增加放电规律性。这种新的波动稳定机制提供了一个新的视角观察到的神经网络的平衡状态的强抑制性输入的重要性，并突出了生物合理的输入和特定的适应机制在神经元建模的关键作用。
2021-02-18 q-bio.NC
Drawing Inspiration from Biological Dendrites to Empower Artificial Neural Networks
这篇文章强调了生物神经元及其树突树的具体特征，其采用可能有助于推进用于各种机器学习应用的人工神经网络。进步可以采取增加计算能力和/或降低功耗的形式。提出的特征包括树突解剖学、树突非线性和分区可塑性规则，所有这些都塑造了生物网络中的学习和信息处理。我们讨论了这些功能在生物神经元中提供的计算优势，并提出了在人工神经元中采用这些功能的方法，以便在机器学习中利用各自的优势。
2021-06-14 q-bio.NC
A biologically plausible neural network for multi-channel Canonical Correlation Analysis
皮质锥体神经元从多个不同的神经元群体接收输入，并将这些输入整合到单独的树突隔室中。我们探讨了皮质微电路实现典型相关分析（CCA）的可能性，CCA是一种无监督学习方法，将输入投影到一个共同的子空间上，以最大限度地提高投影之间的相关性。为此，我们寻求一个多通道CCA算法，可以实现在一个生物学上合理的神经网络。对于生物相容性，我们要求网络在在线设置中运行，并且其突触更新规则是本地的。从一个新的CCA目标函数，我们推导出一个在线优化算法，其优化步骤可以实现在一个单层神经网络与多房室神经元和本地非赫布学习规则。我们还得到了我们的在线CCA算法与自适应输出秩和输出白化的扩展。有趣的是，该延伸映射到一个神经网络上，其神经结构和突触更新类似于在皮质锥体神经元中实验观察到的神经回路和突触可塑性。
2021-03-26 cs.NE q-bio.NC stat.ML
Interspike interval correlations in networks of inhibitory integrate-and-fire neurons
我们研究的时间相关性的interspike间隔（ISI），量化的网络平均序列相关系数（SCC），在网络中的电流和电导为基础的纯抑制性整合和消防神经元。数值模拟揭示了过渡到负SCC偏置电流驱动和网络大小的中间值。随着偏置驱动和网络大小增加超过这些值，SCC返回到零。SCC在网络振荡强度的中间值处最大为负。SCC的依赖性的突触连接的两个典型的计划进行了研究，结果表明，在这两个计划中发生鲁棒性。对于基于电导的突触，SCC在快速和缓慢的相干网络振荡的开始时变为负。最后，我们设计了一个基于电流的网络，占所观察到的时间相关性转变的噪声降低扩散近似。
2019-02-11 math.DS physics.bio-ph physics.data-an
Passive nonlinear dendritic interactions as a general computational resource in functional spiking neural networks
Centre for Theoretical Neuroscience, University of Waterloo（滑铁卢大学理论神经科学中心）
树突树中的非线性相互作用在神经计算中起着关键作用。然而，旨在构建大规模、功能性尖峰神经网络的建模框架，例如神经工程框架，倾向于假设突触后电流的线性叠加。在本文中，我们提出了一系列的扩展神经工程框架，促进网络的建设，将戴尔的原则和非线性电导为基础的突触。我们将这些扩展应用于两室LIF神经元，可以看作是一个简单的模型被动树突计算。我们表明，这是可能的，将神经元模型与输入相关的非线性到神经工程框架，而不损害高层次的功能和非线性突触后电流可以系统地利用计算各种各样的多变量，带限功能，包括欧几里德范数，控制分流，和非负乘法。通过避免额外的尖峰噪声源，单层两隔室LIF神经元的函数逼近精度与双层尖峰神经网络的函数逼近精度相当，甚至超过双层尖峰神经网络的函数逼近精度，直到一定的目标函数带宽。
2020-08-14 cs.AI cs.NE q-bio.NC
Modeling the differentiation of A- and C-type baroreceptor firing patterns
压力感受器神经元充当自主神经系统的血压的主要换能器，并且因此在使身体能够有效地响应血压变化方面是关键的。这些神经元可以分为两种类型（A和C）的基础上，其轴突的髓鞘和其独特的放电模式引起的反应，以特定的压力刺激。这项研究已经开发了一个全面的传入压力感受器放电模型建立在动脉壁力学的生理知识，放电率响应控制压力刺激，和离子通道动力学的压力感受器神经元内。有了这个模型，我们能够预测在先前发表的实验中观察到的A型和C型神经元的放电率。这些结果是通过调整确定最大离子通道电导的模型参数获得的。假设所观察到的模型参数的变化对应于A型和C型神经元之间的生理差异。与已发表的实验观察结果一致，我们的模拟表明，在C型神经元中，钾电导降低两倍是导致观察到的持续基础放电的原因，而在A型神经元中，机械敏感电导升高十倍是导致观察到的放电率升高的原因。更好地理解两种神经元类型之间的差异可以潜在地用于更深入地了解潜在的病理生理学，从而促进靶向干预措施的开发，从而改善患病个体的压力反射功能，例如，在自主神经功能衰竭患者中，自主神经功能衰竭是一种难以在其病理生理学方面诊断的综合征。
2016-09-07 q-bio.NC q-bio.QM
Extending integrate-and-fire model neurons to account for the effects of weak electric fields and input filtering mediated by the dendrite
内源性或经颅脑刺激产生的细胞外电场如何影响大型神经元群体的动力学引起了极大的兴趣，但尚未得到很好的理解。单室（点）模型神经元在研究大种群的集体动力学方面已被证明是非常成功的。然而，这些模型缺乏树突状形态来生物病理学地解释电场的影响，以及由于形态学单独引起的突触整合的变化。在这里，我们（i）描述了一个典型的空间（球杆）模型神经元对波动的突触输入以及振荡的弱电场的响应，以及（ii）分析推导出流行的积分和点火点神经元模型的扩展，以准确地再现这些响应。我们获得不同的过滤器介导的树突在胞体（高通滤波器）或在远端树突网站（低通滤波器）的输入，并发现电场诱导尖峰率共振的β和γ频带甚至更高的频率，这取决于突触背景输入的位置。由于其计算效率的扩展点模型是非常适合于应用在大量的耦合神经元与不同的形态，暴露于细胞外电场。
2016-11-09 q-bio.NC
Two-argument activation functions learn soft XOR operations like cortical neurons
Hanyang University（汉阳大学）；NYU（纽约大学）；Baylor College of Medicine（贝勒医学院）；Rice University（莱斯大学）
大脑中的神经元是复杂的机器，具有不同的功能区室，它们非线性地相互作用。相比之下，人工神经网络中的神经元抽象出这种复杂性，通常下降到输入的加权和的标量激活函数。在这里，我们通过学习具有两个输入参数的典型激活函数来模拟生物学上更真实的神经元，类似于基底树突和顶端树突。我们使用一个网络中的网络架构，每个神经元被建模为一个多层感知器，有两个输入和一个输出。这个内部感知器由外部网络中的所有单元共享。值得注意的是，由此产生的非线性往往会产生软XOR函数，这与最近关于人类皮层神经元输入之间相互作用的实验观察一致。当超参数被优化时，具有这些非线性的网络比具有匹配参数计数的传统ReLU非线性学习得更快，性能更好，并且它们对自然和对抗性扰动更具鲁棒性。
2021-10-15 cs.AI cs.LG q-bio.NC
On a voltage-conductance kinetic system for integrate and fire neural networks
整合和激发神经元的电压-电导动力学方程已经在神经科学中使用了十年，它描述了网络中神经元的概率密度。当慢传导受体被激活，视觉皮层的明显应用已经被开发出来时，它就会被使用。在最简单的情况下，推导也使用了完全兴奋和适度全对全耦合网络的假设;这就是我们在这里考虑的情况。我们研究的动力学方程的稳定状态和时间演化的解决方案的性质，我们证明了几个全球先验界的概率密度和射击率的网络。主要的困难是有关退化的扩散造成的噪声和二次方面的非线性。这一结果构成了一个悖论;动力学模型的部分双曲性质的解决方案是全局有界的，但它已被证明，完全抛物型积分和消防方程（某种扩散限制前者）在有限时间爆破。
2013-10-10 math.AP q-bio.NC
Local dendritic balance enables learning of efficient representations in networks of spiking neurons
神经网络如何通过局部可塑性机制学习有效地表示复杂和高维的输入？表示学习的经典模型假设输入权重是通过成对的Hebbian可塑性学习的。在这里，我们表明，成对的Hebbian可塑性只适用于神经动力学和输入统计不切实际的要求。为了克服这些局限性，我们从第一性原理推导出一个基于电压依赖性突触可塑性规则的学习方案。在这里，抑制学习局部平衡个体树突隔室中的兴奋性输入，从而可以调节兴奋性突触可塑性以学习有效的表征。我们在模拟中证明，这种学习方案的工作鲁棒性，即使是复杂的，高维的和相关的输入，并与抑制传输延迟，其中赫布式的可塑性失败。我们的研究结果得出了树突兴奋抑制平衡和电压依赖性突触可塑性之间的直接联系，在体内观察，并建议，这两者都是至关重要的表征学习。
2020-10-23 q-bio.NC
Asynchronous response of coupled pacemaker neurons
我们研究了一个网络模型的两个电导为基础的起搏神经元的不同的自然频率，加上相互激励或抑制，并接受共享的随机抑制性突触输入。网络可以针对强相互耦合对尖峰进行锁相。但是，共享输入可以通过选择性地消除滞后尖峰或根据它们的分离时间窗口相对于超前尖峰调制其定时来对锁定尖峰对进行解扰。这种同步性的丧失也在接收共享输入的稀疏耦合异质尖峰神经元的大型网络中发现。
2009-02-03 nlin.CD q-bio.NC
Type I and type II neuron models are selectively driven by differential stimulus features
神经系统中的神经元表现出各种各样的形态学和生理学特性。然而，接近阈值时，这种显著的丰富性可以简单地分为两种基本类型的兴奋性，通常称为I型和II型。这两种类型的神经元的动力学特性已被广泛表征。然而，了解它们的动力学特性对信息处理的影响将是有趣的。为此，在这里，我们确定的刺激功能之间的差异，诱导放电的I型和II型神经元。我们的工作与现实的电导为基础的模型和最小的正常形式。我们的结论是，I型神经元火灾响应无标度去极化刺激。相反，II型神经元最有效地由包含去极化和超极化阶段的输入刺激驱动，在对应于细胞固有频率的频带中具有显著的功率。
2008-01-25 q-bio.NC
