Signal detection by means of phase coherence induced through phase resetting
利用电感觉或机械感觉来探测和定位移动的猎物是动物通常遵循的策略,这些动物不能依赖视觉或听觉。在这篇文章中,我们考虑的可能性,以检测源的本地化的刺激,沿着一个链的检测器以恒定的速度。检测器是自主振荡器,其频率具有给定的自然扩展。检测机制是基于相位相干性,这是建立在相位复位引起的通过刺激。
2002-09-18 physics.bio-ph q-bio.NC
Quantum-like model of behavioral response computation using neural oscillators
在本文中,我们提出了使用神经干扰作为起源的量子效应在大脑中。我们通过使用与神经生理学数据一致的神经振荡器模型来做到这一点。所使用的模型被证明重现行为刺激反应理论的预测。类量子效应是通过不相容振子的扩散激活获得的,导致由抑制性和兴奋性突触介导的类干扰效应。
2012-10-08 q-bio.NC
Gamma-Band Correlations in Primary Visual Cortex
利用神经场理论定量分析了到达初级视觉皮层(V1)的刺激诱发的γ波段(30 - 70 Hz)振荡的二维时空相关特性,并通过依赖于方向偏好(OP)的斑片连接进行调制。在不同的激励和测量条件下,相关函数的解析推导。预测再现了一系列已发表的实验结果,包括存在两点振荡时间互相关与神经元之间的零时滞与类似的OP,神经元的空间分离的相关性的强度的影响,和不同的刺激方向的影响。
2018-11-20 physics.bio-ph q-bio.NC
Prediction Errors Drive UCS Revaluation and not Classical Conditioning: Evidence and Neurophysiological Consequences
目前,情绪学习的实验研究主要是基于经典条件反射范式和模型,这些范式和模型在上个世纪得到了深入的研究。相反,人们对无条件刺激(UCS)的重新评估的关注有限,正如过去四十年来许多研究人员通过实验观察到的那样,这种重新评估发生在经典条件反射之外。由于这个原因,没有分析或定量的理论已经开发了这一现象及其动态。不幸的是,基于经典条件反射的模型无法解释或预测重要的心理生理现象,例如在某些情况下情绪反应的消退失败。在这份手稿的UCS重估学习的分析表示开发,这使我们能够确定的条件确定的“不可抗力”(或抵抗灭绝)属性的情绪反应和反应(如观察到的评价条件,在非强化介绍的条件抑制剂,在创伤后应激障碍和恐慌症)。此外,经典条件作用和UCS重估之间存在的因果关系的分析。从这个结果出发,内隐情绪学习理论和经典条件反射的一个新的解释。此外,我们讨论了如何提出的理论可以导致新的方法的发展,用于检测和治疗不希望的或病理性的情绪反应,并可以激发动物模型的抵抗灭绝的反应和反应。
2016-01-28 q-bio.NC
Limit-cycle-based control of the myogenic wingbeat rhythm in the fruit fly Drosophila
在许多动物中,有节奏的运动活动由感觉反馈控制下的神经极限环振荡支配。在果蝇Drosophila melanogaster中,翼拍节律是由拉伸激活的肌肉产生的,因此独立于直接的神经输入。在这项研究中,我们探讨了如果代和周期的控制果蝇的wingbeat功能分离,或者如果转向肌肉,而不是耦合成肌原性的节奏作为一个有限周期振荡器的弱强迫。我们的行为测试系留苍蝇的极限环振荡器的特性。为此,我们机械地刺激苍蝇的陀螺仪器官,笼头,并确定翅膀运动和刺激之间的相位关系。苍蝇同步与特定范围的刺激振幅和频率的刺激,揭示了特征阿诺德舌头的强制极限环振荡器。锁定前的翼拍频率的快速周期性调制表明,在所观察到的控制翼拍频率的快速转向肌肉的参与。我们建议,机械迫使肌原性极限环振荡器允许苍蝇,以避免相对缓慢的控制基于神经中枢模式发生器。
2013-01-22 nlin.AO q-bio.NC
Beyond the quantum formalism: consequences of a neural-oscillator model to quantum cognition
San Francisco State University(旧金山州立大学)
在本文中,我们提出了一个神经振荡器模型的刺激反应理论,表现出量子般的行为。然后,我们表明,在不增加任何额外的假设,量子模型构建,以适应可观察到的成对相关性没有预测能力的未知的三重矩,可通过激活多个振荡器。我们将其与de Barros(2013)中的结果进行比较,其中合理性标准给出了三重矩的最佳范围。
2014-04-04 cs.AI physics.bio-ph q-bio.NC
Emergence of Subcritical Bifurcations in a System of Randomly Coupled Supercritical Andronov-Hopf Oscillators: A Potential Mechanism for Neural Network Type Switching
实验证据表明,皮质系统的计算状态根据行为和刺激上下文而改变。然而,它仍然是未知的机制,这种适应性处理皮层电路。在本文中,我们提出了一个随机耦合的超临界Andronov-Hopf振荡器模型,它可以作为一个自适应处理器,表现出显着不同的动态依赖于一个单一的网络参数的值。尽管仅由超临界子单元组成,但整个系统可以表现出超临界或亚临界Andronov-Hopf分叉。该模型可能为模式识别理论中全局渐近稳定和非双曲神经网络类型之间的切换提供一种新的机制。
2019-08-22 math.DS nlin.AO physics.bio-ph
Pacer cell response to periodic Zeitgebers
几乎所有的生物体在其行为中都表现出某种时间周期性。特别是在哺乳动物中,视交叉上核的神经元形成生物钟,调节动物的活动-不活动周期。这个时钟是由自然的24小时光暗周期刺激的。在这个系统的模型中,我们将每个神经元视为一个所谓的相位振荡器,与其他神经元耦合,其中明暗周期是Zeitgeber。为了简化模型,我们首先采用外部激励的单相振荡器。相位间隔的第一部分称为活动状态,其余部分称为非活动状态。在没有外部刺激的情况下,振荡器以其固有周期振荡。外部刺激,无论是来自邻近细胞的活动还是周期性的日光周期,都有双重作用,它可以延迟从活跃到不活跃的变化,也可以提前返回到活跃状态。延迟和提前的量取决于刺激的强度。我们使用一个圆映射作为这个系统的数学模型。该映射依赖于几个参数,其中包括固有周期和相位延迟和提前。在参数空间中,我们发现Arnol的舌头,系统是在与Zeitgeber共振。因此,在这个简化的系统中,我们已经发现了夹带和同步。此外,生物实验和观察中的一些其他现象也可以与圆映射的动力学行为联系起来。
2010-11-10 nlin.AO q-bio.NC
Reliability of Layered Neural Oscillator Networks
我们研究了耦合神经振荡器的大型网络响应于波动刺激的可靠性。可靠性意味着刺激在重复呈现时产生基本相同的反应。我们认为这个问题在两个尺度上:神经元的可靠性,这涉及到嵌入在网络中的单个神经元的尖峰时间的可重复性,和池响应的可靠性,这解决了从网络的总突触输出的可重复性。我们发现,根据网络条件,单个嵌入式神经元可能是可靠的或不可靠的,而足够大的网络的合并响应大多是可靠的。我们还研究了噪声的影响,发现某些类型的影响比其他更严重的可靠性。
2008-05-22 cond-mat.dis-nn nlin.AO q-bio.NC
Population coding by globally coupled phase oscillators
一个系统的全局耦合相位振荡器受到外部输入被认为是一个简单的模型的神经电路编码外部刺激。利用Fisher信息量化了系统在异步状态下的信息编码效率。分析了稳态时耦合和噪声对信息编码效率的影响。研究了系统在外加输入作用下的松弛过程。研究发现,在系统弛豫到最终稳态之前,信息编码效率呈现出一个大的瞬态增加。
2006-02-06 cond-mat.dis-nn nlin.AO q-bio.NC
Heterogeneous quantization regularizes spiking neural network activity
针对人工智能系统从不受控输入中学习特征的挑战,提出一种数据无关的类脑信号调节策略,通过异构突触权重将归一化量化的模拟数据传递至脉冲主神经元以正则化网络活动,并引入数据感知校准步骤优化资源利用与信息保留。
2024-09-27 cs.NE q-bio.NC
Behavior stability and individual differences in Pavlovian extended conditioning
一旦达到最大限度的学习,行为的稳定性和普遍性如何?为了回答这个问题,并了解收购后的行为及其相关的个体差异,我们提出了一个心理学原则,自然扩展巴甫洛夫条件反射的关联模型的动态振荡模型,受试者有一个更大的记忆容量比通常假设,但更大的预测不确定性。这导致在最初的几个会话中对学习的更大阻力,随后是过度优化的响应峰值和一系列渐进阻尼的响应振荡。我们在数据中检测到了新学习曲线的第一个波峰和波谷,但它们的离散度太大,无法检查是否存在振幅较小的振荡。我们用32只老鼠进行了一项长达3960次的实验,在这些实验中,我们排除了习惯化和其他众所周知的现象,这些现象是受试者表现的变异性来源。使用Harris等人(2015)的这个和另一个巴甫洛夫实验的数据,作为原理的说明,我们针对基本的联想单线索Rescorla-Wagner(RW)模型测试了该理论。我们发现的证据表明,RW模型是最好的非线性回归数据只有少数的科目,而其动态扩展可以解释几乎所有的数据与强大的非常强大的证据。最后,对个体反应的短尺度波动的分析表明,它们是由随机白噪声描述的,与人类表现中的有色噪声结果相反。
2020-04-22 q-bio.NC
Networks' modulation: How different structural network properties affect the global synchronization of coupled Kuramoto oscillators
在各种各样的系统中(生物、物理、社会等),当不同的振荡物体在相互作用时调整它们的节奏时,同步发生。定义这些对象之间的连接属性的不同底层网络以复杂的方式驱动全局动态,并影响系统的全局同步程度。在这里,我们研究了这种类型的不同的网络架构,如全连接,随机,规则环格图,小世界和无标度的耦合仓本相位振荡器系统的全局动力学活动的影响。我们固定的外部刺激参数,我们测量的整体同步程度时,不同分数的节点接收刺激。这些节点是随机选择的,或者是基于它们各自的强/弱连接属性(中心性,最短路径长度和聚类系数)。我们的主要发现是,在无标度和随机网络中,基于其特征向量中心性和平均最短路径长度的节点的复杂选择在实现更高程度的同步方面表现出系统的趋势。然而,当使用聚类系数作为标准时,这种趋势不会发生。对于所考虑的其他类型的图,刺激节点的选择(随机地与选择性地使用上述标准)似乎没有明显的影响。
2023-02-24 cs.NE nlin.AO nlin.CD
The Hamiltonian brain: efficient probabilistic inference with excitatory-inhibitory neural circuit dynamics
概率推理为理解行为和皮层计算提供了一个原则性的框架。然而,皮质反应的两个基本且普遍存在的性质似乎难以与概率推理相协调:神经活动在响应恒定输入时显示出显著的振荡,并且在响应刺激开始时显示出大的瞬态变化。在这里,我们表明,这些动态行为实际上可以被理解为特定的代表性和算法,大脑皮层采用执行概率推理的标志。我们证明了一个特殊的家庭的概率推理算法,汉密尔顿蒙特卡罗(HMC),自然映射到兴奋抑制神经网络的动态。具体来说,我们构建了一个模型的兴奋-抑制电路在初级视觉皮层进行HMC推理,从而内在地引起振荡和瞬态。这些振荡不仅仅是附带现象,而且还起到了重要的功能作用:通过快速跨越大量的状态空间来加速推理。因此,推理比模型的非振荡变体更有效。此外,该网络匹配了观察到的神经动力学的两个特定属性,否则在概率推理的背景下很难解释。首先,振荡的频率以及瞬态的幅度随着图像刺激的对比度而增加。第二,兴奋和抑制是平衡的,抑制滞后于兴奋。这些结果表明,一个新的功能的作用,为分离的皮层种群兴奋性和抑制性神经元,并出现在这样的兴奋性抑制网络的神经振荡:提高皮层计算的效率。
2016-12-31 q-bio.NC
Subthreshold dynamics of the neural membrane potential driven by stochastic synaptic input
在大脑皮层中,神经元受到来自网络背景活动的突触输入的连续轰击。这导致了持续的,主要是阈下的膜动力学,这取决于背景活动和神经元上突触的统计数据。阈下膜极化反过来又是神经反应的有效调节剂。本文分析了稳态统计量突触输入驱动的神经膜电位的阈下动力学。突触输入被认为是线性相互作用。该分析确定制度的输入统计,从而引起平稳,波动,振荡和不稳定的动态。特别是,我表明,(一)单纯的噪声输入可以驱动膜电位持续,准周期振荡(噪声驱动的振荡),在没有刺激源性,神经内,或网络起搏器;(二)添加超极化去极化突触输入可以增加神经活动(超极化引起的活动),在超极化激活电流的情况下。
2002-09-26 cond-mat.dis-nn physics.bio-ph q-bio.NC
Great expectations in music: violation of rhythmic expectancies elicits late frontal gamma activity nested in theta oscillations
节奏处理涉及根据听觉事件的分层时间结构建立期望。虽然节奏处理已经解决了预测编码的上下文中,在不同的皮层区域的振荡响应的属性仍然不清楚。我们探讨了神经反应的振荡特性,节奏不一致,并探讨了多个频率之间的交叉频率耦合,以提供预测编码和节奏感知的概念之间的联系。我们设计了一个实验来研究神经对节奏偏差的反应,其中音调比预期的更早到达或音调在相同的韵律位置被省略。这两种操作对节奏结构的调节不同,前者比后者对音乐刺激的一般结构产生更大的破坏。这两个偏差导致MMN反应,而只有节奏偏差导致随后的P3 A。节奏偏差,由于早期出现的音调,但不是遗漏偏差,引起了后期高伽玛反应(60-80赫兹)在结束时的P3 a在左额区,有趣的是,与P3 a振幅在同一地区,也嵌套在θ振荡。与节律偏差相关的引发的高频伽马振荡的时间表明,它可能与预测神经模型的更新有关,对应于更高级别皮层区域中事件的时间结构。
2020-11-25 q-bio.NC
MEG-Mamba: A Scalable State-Space Foundation Model for Magnetoencephalography
University of Oxford(牛津大学)
本文提出MEG-Mamba,一种基于Mamba架构的脑磁图生成式基础模型,通过预测离散化信号的下一个标记实现高效预训练,在更短时间和更长上下文下超越Transformer模型,并支持轻量级刺激条件化生成任务诱发反应,表明Mamba是扩展神经基础模型的可行主干。
2026-10-02 q-bio.NC
Locking of correlated neural activity to ongoing oscillations
在皮层活动的介观信号中普遍观察到群体范围的振荡。在这些网络状态中,全局振荡周期调节神经元的放电倾向。神经元的同步激活被假设为大脑中信号处理信息的单独通道。因此,一个突出的问题是,振荡是否以及如何与尖峰同步相互作用,以及这些通道在多大程度上可以被认为是分开的。实验确实表明,相关尖峰与静态放电率共同调制,并且也紧紧锁定在β振荡的相位上。虽然在前馈网络中相关性对平均速率的依赖性是很好理解的,但仍然不清楚相关性为什么以及通过什么机制紧密锁定到振荡周期。我们在这里证明,这种相关的激活对神经元定性地解释了随机驱动的随机网络。我们确定的协方差依赖于驱动周期性刺激的机制。平均场理论结合线性响应理论给出了二元递归随机网络的循环平稳平均活动和两两零时滞协方差的封闭表达式。两种不同的机制导致时变协方差:单个神经元敏感性的调制(通过外部输入和网络反馈)和单个单元活动的时变方差。对于某些参数,有效抑制的经常性反馈导致共振协方差,即使平均活动显示非共振行为。我们的分析结果开放的问题,时间调制的同步活动的定量分析。
2017-07-03 cond-mat.dis-nn q-bio.NC
A computational model of behavioral adaptation to solve the credit assignment problem
本文提出一种生物学合理的脉冲神经网络变体,重新表述信用分配问题,展示其在经典与操作性条件反射及行为链式化等任务中的适应性行为建模能力,并探讨反射和类别检测等行为的进化机制。
2023-11-29 q-bio.NC
Neural source/sink phase connectivity in developmental dyslexia by means of interchannel causality
Universidad de Málaga(马拉加大学);Northumbria University(诺森比亚大学)
虽然大脑连接网络可以为发展性阅读障碍的理解和诊断提供信息,但其因果关系尚未得到足够的研究。采用脑电信号和带限白噪声刺激在4.8 Hz(韵律音节频率),我们测量通道之间的相位格兰杰因果关系,以确定学习障碍的学习者和控制之间的差异,从而提出了一种方法来计算方向连接。由于因果关系在两个方向上运行,我们探讨三种情况,即渠道的活动作为源,作为汇,并在总。我们提出的方法可以用于分类和探索性分析。在所有的情况下,我们发现确认建立的右侧Theta采样网络异常,符合时间采样框架的假设,在Theta和Gamma波段的振荡差异。此外,我们表明,这种异常主要发生在因果关系的渠道作为汇,它是显着更明显的比只有总活动时,观察。在水槽的情况下,我们的分类器获得0.84和0.88的准确度和0.87和0.93 AUC的Theta和Gamma波段,分别。
2023-01-02 cs.AI q-bio.NC
Activity stabilization in a population model of working memory by sinusoidal and noisy inputs
根据工作记忆的机制理论,信息是通过皮层神经网络的持续放电活动而被保存的。然而,这种活动是如何与WM任务中观察到的振荡轮廓的变化仍然是一个悬而未决的问题。我们探讨了输入的伽玛波段振荡和噪声的联合影响的几个射击率模型的WM的动力学。所考虑的模型有一个亚稳态的活动制度,即他们表现出持久的瞬态刺激后放电率升高。我们从单个兴奋-抑制电路开始,并证明γ波段或噪声输入都可以稳定活动状态,从而支持WM保留。然后,我们考虑一个系统的两个电路与兴奋性相互耦合。我们发现,快速耦合允许更好的稳定,由共同的噪声相比,独立的噪声和更强的放大这种效果,由同相伽马输入相比,反相输入。最后,我们考虑一个多电路系统,由两个集群,每个集群包含一组电路接收一个共同的噪声输入和一组电路接收独立的噪声。每个集群都与自己的本地伽马发生器相关联,因此其所有电路都以相同的相位接收伽马波段输入。我们发现,伽马波段输入差分稳定的活动相比,“独立噪声”组的“共同噪声”组。如果集群间连接速度很快,则当伽马波段输入以相同相位而不是反相位传递到集群时,这种效应更加明显。假设共同噪声来自大规模分布式WM表示,我们的研究结果表明,本地伽马振荡可以稳定该表示的相应部分的活动,快速远程连接和同步伽马振荡的效果更强。
2021-04-19 q-bio.NC