Sequential Desynchronization in Networks of Spiking Neurons with Partial Reset
神经元对突触输入的反应很大程度上取决于它是否刚刚发出了一个尖峰。我们提出了一个神经元模型，尖峰发射后表现出部分响应剩余的输入电荷，并研究其集体网络动力学分析。我们发现了一种新的去极化机制，导致顺序的去极化过渡：在全球耦合的神经元的部分响应的强度增加诱导一系列的分叉状态与大集群的同步发射神经元，通过状态与较小的集群完全异步尖峰。我们简要讨论了更一般的生物物理神经元网络的这种机制的关键后果。
2008-10-15 q-bio.NC
Statistical-Mechanical Measure of Stochastic Spiking Coherence in A Population of Inhibitory Subthreshold Neurons
通过改变噪声强度，我们研究了随机尖峰相干性（即，噪声诱导的神经尖峰之间的集体相干性）。这种随机尖峰相干性可以在神经尖峰的光栅图中很好地可视化。对于相干的情况，在光栅图中形成部分占用的“条纹”（由尖峰组成并指示集体相干性）。这种部分占用是由于“随机尖峰跳跃”而发生的，这在多峰尖峰间期直方图中很好地示出。我们工作的主要目的是定量测量光栅图中看到的随机尖峰相干性的程度。我们引入了一种新的基于尖峰的相干性度量$M_s$，它考虑了条纹中尖峰的占用模式和起搏模式。特别地，通过量化（微观）个体尖峰对（宏观）整体平均全局电位的平均贡献，以解剖机械方式确定尖峰之间的起搏程度。这种“热力学-机械”测量$M_s$与常规测量相反，例如“热力学”序参量（其涉及宏观全局电势的时间平均波动）、基于“微观”相关性的测量（基于微观个体电势之间的互相关）和精确尖峰定时的测量（基于刺激周围时间直方图）。利用$M_s$对随机尖峰相干性进行了定量表征，发现$M_s$很好地反映了光栅图中集体尖峰相干性的程度。因此，基于“物理-机械”尖峰的测量$M_s$可以有用地用于以物理-机械方式量化随机尖峰相干性的程度。
2011-10-31 physics.bio-ph q-bio.NC
A simple mechanism for higher-order correlations in integrate-and-fire neurons
神经元群体的集体动力学通常以不同神经元的锋电位活动的相关性为特征。围绕这些相关性的基本性质存在一些悬而未决的问题。特别是，是什么导致了更高阶的相关性--群体活动中的相关性超出了细胞对的预期？在这里，我们研究这个问题的一个简单的，但普遍存在的，电路功能：共同波动输入到达尖峰神经元的整合和发射类型。我们发现，导致较强的高阶相关性，如早期的工作与离散阈值交叉模型。此外，我们发现，同样是真实的另一个广泛使用的，双随机模型的神经尖峰，线性非线性级联。我们解释了这些模型所产生的集体动力学之间令人惊讶的强大联系，并得出结论，高阶相关性被广泛预期，并可能通过简化（和易于处理）的神经尖峰描述以惊人的准确性捕获。
2013-06-21 q-bio.NC
New hallmarks of criticality in recurrent neural networks
对大脑动力学和功能的严格理解需要在多个层次的组织之间建立一个概念上的桥梁，包括神经尖峰和网络级的群体活动。越来越多的证据表明，大脑皮层的神经网络处于临界状态。在这种网络状态附近操作如何影响神经元尖峰的可变性在很大程度上是未知的。在这里，我们表明，在一个计算模型中，两个普遍的功能，皮层单神经元活动，不规则尖峰和刺激发作时的反应变异性下降，都是紧急的特性，经常性的网络附近的临界操作。重要的是，我们的工作揭示了尖峰的不规则性与神经元的输入连接数量之间的关系，即，入度在临界时最大化。我们的研究结果建立了临界性作为一个统一的原则，为单神经元尖峰的变化和集体行为的循环回路在大脑皮层。
2016-10-08 q-bio.NC
Adjoint Method for Macroscopic Phase-Resetting Curves of Generic Spiking Neural Networks
脑节律的出现是相互连接的尖峰神经元之间同步的结果。这种节律的关键特性可以从相位重置曲线（PRC）中收集。宏观PRC的推断和发展一个系统的相位缩减理论的新兴节奏仍然是一个突出的理论挑战。在这里，我们提出了一个实用的理论框架来计算与紧急集体振荡的通用尖峰网络的PRC。为此，我们采用了不应密度方法，其中神经元由自其最后一次动作电位以来的时间来描述。在热力学极限下，网络动力学被称为耐火材料密度方程的连续性方程所捕获。我们开发了一个适当的伴随方法，这反过来又给出了一个半解析表达式的无限小PRC的方程。我们确认我们的框架的有效性的具体例子神经网络。我们的理论研究结果突出了在单个神经元尺度上的关键生物学特性与PRC评估的宏观振荡特性之间的关系。
2021-02-24 q-bio.NC
Low-dimensional model for adaptive networks of spiking neurons
Universitat Pompeu Fabra（庞培法布拉大学）；Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）
本文研究了具有异质输入电流和适应变量的大量二次积分-放电神经元，发现特定类型的二次放电频率适应（QSFA）可将高维系统精确降维为低维常微分方程系统，揭示了异质网络中自适应性对集体同步的促进作用。
2026-03-18 cond-mat.dis-nn nlin.AO q-bio.NC
Neural Activity of Heterogeneous Inhibitory Spiking Networks with Delay
我们研究了通过抑制性延迟脉冲连接的具有异质兴奋性的尖峰神经元网络。对于全局耦合系统，抑制性耦合的增加通过遵循赢家通吃机制来减少放电神经元的数量。对于足够大的传输延迟，我们观察到出现的集体振荡的系统超过一个临界耦合值。异源性促进神经失活和异步动力学，其影响可以通过考虑较长的时间延迟来抵消。在稀疏网络中，对于足够大的耦合，抑制具有促进沉默神经元的神经再激活的反直觉效果。在这种情况下，电流波动一方面负责阈下神经元的神经放电，另一方面负责它们的去激活。因此，集体振荡只存在于有限范围内的耦合值，这仍然是有限的热力学极限。在这个范围之外，动力学是异步的，对于非常大的抑制神经元，它们表现出一种突发行为，在没有任何抑制的情况下，它们自由地发射，交替出现沉默的时期。
2019-02-11 cond-mat.dis-nn q-bio.NC
Collective behavior of heterogeneous neural networks
我们研究了一个网络的集成和消防神经元的特点是尖峰频率的分布。当耦合强度增加时，模型表现出从异步状态到非平凡集体行为的转变。与仓本模型不同，（i）宏观动力学即使在热力学极限下也是不规则的，（ii）微观（单神经元）演化是线性稳定的。
2010-06-17 cond-mat.dis-nn q-bio.NC
Linear response for spiking neuronal networks with unbounded memory
我们建立了一个一般的线性响应关系的尖峰神经元网络，基于无限记忆链。这种关系使我们能够预测一个弱的振幅时间依赖性的外部刺激的时空尖峰相关性的影响，从自发的统计（无刺激）在一般情况下，在尖峰动态的记忆可以在过去任意远。使用这种方法，我们展示了线性响应是如何明确地与神经元动力学的一个例子，GIF模型，介绍了M。Rudolph和A.德斯特谢这个例子说明了刺激、内在神经元动力学和网络连接对尖峰统计的集体影响。我们用数值模拟来说明我们的结果。
2020-04-02 physics.bio-ph q-bio.NC
Suppression of synchronous spiking in two interacting populations of excitatory and inhibitory quadratic integrate-and-fire neurons
集体振荡及其抑制外部刺激分析了一个大规模的神经网络组成的两个相互作用的群体的兴奋性和抑制性的二次积分和消防神经元。在无限数量的神经元的限制下，该网络的微观模型可以简化为精确的低维平均场方程组。这些方程的分岔分析揭示了三种不同的动态模式在一个自由网络：一个稳定的休息状态，一个稳定的极限环，并与共存的休息状态和极限环的双稳定性。我们发现，在极限环模式下，高频刺激的抑制种群可以稳定不稳定的静息状态，并有效地抑制集体振荡。我们还表明，在非线性模式下，网络的动力学可以从一个稳定的极限环切换到一个稳定的静息状态，通过施加抑制脉冲的兴奋性人口。从平均场方程得到的结果证实了微观模型的数值模拟。
2021-07-05 nlin.CD q-bio.NC
Macroscopic description for networks of spiking neurons
神经科学、统计物理学和非线性动力学的一个主要目标是了解大脑功能是如何从尖峰神经元网络的集体动力学中产生的。这一挑战主要通过大规模数值模拟来解决。或者，研究人员已经制定了平均场理论，以了解大型神经元网络的宏观状态，即神经元的集体放电活动或放电率。然而，这些理论并没有成功地在网络的放电率和尖峰神经元的潜在微观状态之间建立精确的对应关系。这在很大程度上限制了这种宏观描述的适用范围，特别是在试图描述神经元同步时。在这里，我们提供了一组精确的宏观方程的尖峰神经元网络的推导。我们的研究结果表明，单个神经元的尖峰产生机制引入了两个生物药理学相关的宏观量，放电率和平均膜电位，共同管理的神经网络的演变之间的有效耦合。由此产生的方程精确地描述了网络的所有可能的宏观动力学状态，包括同步尖峰活动的状态。最后，我们表明，射击率的描述是相关的，通过一个共形映射，与低维描述的仓本序参数，称为E-Antonsen理论。我们预计我们的结果将成为研究大型尖峰神经元网络如何及时自组织处理和编码大脑信息的重要工具。
2015-06-22 cond-mat.dis-nn nlin.AO nlin.CD
Low-dimensional firing rate dynamics of spiking neuron networks
从频谱扩展的Fokker-Plank方程的膜电位密度在网络的尖峰神经元，低维动力学的集体放电率。因此，通过考虑最慢的$n$展开模式，可以计算出网络活动的$n$阶常微分方程。由此产生的低维动力学自然地考虑到突触耦合的强度下的假设，不太快变化的膜电位密度。通过只考虑两个最慢的模式，发射率动态相当于一个阻尼振荡器，其中的角频率和弛豫时间是状态相关的。所提出的结果适用于广泛的一类网络的一室神经元模型。
2016-09-28 cond-mat.dis-nn q-bio.NC
The mean field approach for populations of spiking neurons
平均场理论是一种分析由许多相互作用的粒子组成的动力系统的集体行为的方法。该理论允许将系统的行为简化为少数参数的属性。在神经回路中，这些参数通常是不同的、同质的神经元子组的放电率。在感兴趣的条件下的放电率的知识可以揭示神经回路的动力学和它们可以帮助大脑功能的方式的基本信息。本章的目标是提供一个基本的介绍平均场方法的尖峰神经元的群体。我们介绍了二进制神经元网络的一般思想，从最基本的结果开始，然后推广到更相关的情况。这允许在简化的设置中导出平均场方程。然后，我们推导出的平均场方程的人口整合和消防神经元。努力推导出的主要方程的理论只使用初等方法从微积分和概率论。本章最后讨论了该理论的假设以及违反这些假设的一些后果。本讨论包括介绍平衡和亚稳态网络，并简要目录的成功应用的平均场方法的神经电路的研究。
2022-06-08 q-bio.NC
Pulse shape and voltage-dependent synchronization in spiking neuron networks
本文研究了QIF和θ-神经元网络中的脉冲耦合机制，揭示了有限宽度且略微不对称的脉冲通过激活电压依赖型突触电导，能有效驱动依赖平均电压的神经元集体振荡同步。
2024-01-19 nlin.AO physics.bio-ph q-bio.NC
Optimal responsiveness and collective oscillations emerging from the heterogeneity of inhibitory neurons
大脑的特点是抑制性神经元的高度异质性。我们报告说，尖峰神经网络显示的抑制性神经元的异质性的共振，与最佳的输入/输出响应发生的异质性水平相似的实验发现在大脑皮层。一个异质平均场模型预测这样的最佳响应。此外，我们表明，新的动力学制度出现的异质性，不存在于等价的均匀系统，如稀疏同步集体振荡。
2020-05-12 cond-mat.dis-nn q-bio.NC
Autocorrelations from emergent bistability in homeostatic spiking neural networks on neuromorphic hardware
神经形态计算的一个独特特征是记忆是通过系统集体动力学中过去信息的痕迹进行处理的隐式部分。关于过去输入的记忆程度通常由集体动态的自相关时间来量化。基于过去的实验证据，对潜在自相关性的一个潜在解释是接近临界波动。在这里，我们表明，自组织网络的兴奋性和抑制性泄漏集成和消防神经元，自相关性可以源于紧急双稳态时，减少外部输入强度。我们确定的双稳态作为一个波动引起的随机切换之间的亚稳态的非平衡相变附近的活动和静止状态。这种双稳定性发生在具有固定异质权重的网络中，这是发展过程中自组织的结果。具体而言，在我们的神经形态硬件实验和计算机模拟中，尽管单神经元时间尺度仅为20 ms，但出现的双稳态引起自相关时间超过500 ms。我们的结果首次验证了泄漏的积分和激发神经元网络中生物相容的自相关时间，这不是由接近临界的波动产生的，而是由内稳态调节网络中出现的双稳态产生的。因此，我们的研究结果构成了一个新的，互补的机制，突发自相关神经元网络，与生物和人工网络的影响，并介绍了一般范式的波动引起的双稳态驱动系统吸收状态。
2022-08-17 nlin.AO q-bio.NC
Coexistence of fast and slow gamma oscillations in one population of inhibitory spiking neurons
振荡是各种大脑区域中神经元群体活动的标志，具有覆盖宽范围频率的频谱。在这一光谱中，伽马振荡由于其普遍存在的性质以及与高级大脑功能的相关性而受到特别关注。最近，有报道称行为正常的啮齿动物海马体中的伽马振荡被分成两个不同的频带：慢和快。这两个伽马节律对应于网络的不同状态，但它们的起源尚未澄清。在这里，我们从理论上和数值上表明，一个单一的抑制人口可以引起共存的慢和快的伽马节律对应于集体振荡的平衡尖峰网络。慢和快伽马节律通过两种不同的机制产生：快伽马节律由协调的紧张性神经放电驱动，慢伽马节律由不规则神经活动引起的内源性波动驱动。我们表明，几乎瞬时的刺激可以切换集体伽马振荡从慢到快，反之亦然。此外，为了与实验观察更紧密地联系，我们考虑由较慢的（θ）节奏驱动网络动态引起的伽马节律的调制。在这种情况下，根据强制的强度，我们观察到的快速和缓慢的伽马振荡和θ强迫之间的相位-振幅和相位-相位耦合。相位-相位耦合揭示了两种共存的伽马节律的不同θ相位偏好。
2019-06-29 cond-mat.dis-nn q-bio.NC
MR. Estimator, a toolbox to determine intrinsic timescales from subsampled spiking activity
在这里，我们介绍了我们的Python工具箱“MR. Estimate”，以可靠地估计来自重采样系统的电生理记录的内在时间尺度。我们的工具箱最初用于分析神经元尖峰活动的时间序列，可应用于各种系统，其中子采样-难以观察整个系统的全部细节-限制了我们的记录能力。应用范围从流行病传播到任何可以用自回归过程表示的系统。在神经科学的背景下，内在时间尺度可以被认为是任何扰动在网络内回响的持续时间;它被用作研究灵长类动物皮层功能层次的关键观察指标，并作为工作记忆的测量指标。它也是临界距离的代表，并量化了系统的动态工作点。
2021-05-07 physics.data-an q-bio.NC
From the statistics of connectivity to the statistics of spike times in neuronal networks
理解神经回路的一个重要步骤是将它们的结构和动力学联系起来。一般来说，这种关系几乎可以任意复杂。然而，最近的理论工作已经开始确定神经回路中集体尖峰活动背后的一些广泛原则。首先，网络连接的局部特征在预测网络活动的全局统计数据方面可以非常有效。第二个是，对于具有兴奋-抑制平衡的大型网络的重要情况，相关尖峰持续存在或消失取决于经常性和前馈连接的空间尺度。最后，我们展示了这些想法以及可塑性规则如何帮助关闭网络结构和活动统计之间的循环。
2017-03-09 q-bio.NC
Frequency-Domain Order Parameters for the Burst And Spike Synchronization Transitions of Bursting Neurons
我们感兴趣的是在频域中的突发神经元的同步转换的特性。瞬时群体放电率（IPFR）$R(t)$直接从神经元放电的栅格图中获得，在计算和实验神经科学中常被用作描述群体活动的真实集体量。对于脉冲神经元的情况，我们在最近的工作中引入了一个基于$R(t)$的时域序参量来表征脉冲同步的转变。与发放神经元的情况不同，爆发神经元的IPFR $R(t)$表现出慢爆发和快发放时间尺度的群体行为。为此，我们通过频率滤波将IPFR $R(t)$分解为瞬时群体爆发率$R_b(t)$（描述爆发行为）和瞬时群体尖峰率$R_s(t)$（描述尖峰行为），并将实际序参量扩展到神经元爆发的情况.因此，我们开发了频域突发和尖峰次序参数，其正好是$R_b$和$R_s$的功率谱密度中的突发和尖峰峰值的突发和尖峰“相干因子”$β_b$和$β_s$（即，光谱峰高及其相对宽度的“信噪比”）。通过对$β_b$和$β_s$的计算，我们分别得到了猝发和尖峰同步中断的猝发和尖峰阈值。因此，它示出在明确的例子中，频域突发和尖峰顺序参数可以有效地用于表征的突发和尖峰过渡，分别。
2014-10-07 physics.bio-ph q-bio.NC
Firing regulation of fast-spiking interneurons by autaptic inhibition
大脑中的快速尖峰（FS）中间神经元通过强大的抑制性GABA能自适应连接而自我神经支配。通过计算机模拟，我们研究了自感应抑制如何调节这些中间神经元的放电反应。我们的研究结果表明，autaptic抑制既提高了动作电位产生的电流阈值，以及调制FS中间神经元的输入输出增益。自适应传输延迟被认为是控制FS中间神经元放电模式和确定多稳定区域的关键参数。此外，我们观察到，神经元噪声影响FS中间神经元的自发抑制放电调节，并扩大其动态范围的编码输入。重要的是，autaptic抑制调制噪声诱导的FS中间神经元的不规则放电，使得相干放电出现在最佳autaptic抑制水平。我们的研究结果揭示了自发抑制在驯服FS中间神经元放电动力学中的功能作用。
2016-06-04 q-bio.NC
Pattern Formation in a Spiking Neural-Field of Renewal Neurons
本文通过更新神经元网络研究神经模式涌现，取热力学极限建立耦合偏微分与非局部微分方程，通过微扰分析解析Turing不稳定性条件并数值获得分岔线，为脉冲神经网络中Turing模式涌现提供新视角。
2024-06-03 q-bio.NC
Linking structure and activity in nonlinear spiking networks
最近的实验进展产生了大量关于神经连接和神经活动的数据。为了充分利用这两个新兴的数据集，我们需要一个将它们联系起来的框架，揭示集体神经活动是如何从神经连接结构和内在神经动力学中产生的。这个{ \it结构驱动活动}的问题已经引起了计算神经科学的极大兴趣。现有的用于在尖峰网络中关联活动和结构的方法依赖于围绕中心操作点线性化活动，因此无法捕获作为神经信息处理的标志的个体神经元的非线性响应。在这里，我们克服了这一限制，并提出了一个新的非线性尖峰神经元网络的连通性和活动之间的关系，通过开发一个图形波动扩展统计场理论的基础上。我们明确地展示了循环网络结构如何产生成对和高阶相关活动，以及非线性如何影响网络的尖峰活动。我们的发现为研究单神经元非线性（包括不同细胞类型的非线性）如何与连接性结合以塑造群体活动和功能开辟了新的途径。
2020-02-25 q-bio.NC q-bio.QM
Equivalence between synaptic current dynamics and heterogeneous propagation delays in spiking neuron networks
分布式物理系统的组件之间的消息传递是非瞬时的，并且有助于确定新兴的集体动力学的时间尺度，如有效惯性。在生物神经元网络中，这种惯性部分是由于交换尖峰的局部突触过滤，部分是由于轴突传输延迟的分布。这两种惯性如何不同地影响网络动力学是一个尚未解决的开放性问题，由于在处理突触传递的非马尔可夫性质的困难。在这里，我们开发了一个平均场降维产生一个有效的马尔可夫动力学的人口密度的神经元膜电位，有效的突触电流的小波动的假设下。由此产生的理论使我们能够证明本地和分布式惯性之间的形式等价，持有任何突触的时间尺度，集成和消防神经元模型，尖峰发射制度和不同的网络状态，即使当神经元数量是有限的。
2017-04-10 cond-mat.dis-nn q-bio.NC
Optimal Design of Minimum-Power Stimuli for Spiking Neurons
在这篇文章中，我们研究的最优控制问题的发放神经元的动力学描述的相位模型。我们设计的最小功率电流刺激（控制），导致有针对性的尖峰时间的神经元，其中被认为是与无界和有界的控制幅度的情况下。我们表明，理论上的尖峰周期的神经元，建模相动力学，可以任意改变一个平滑的控制。然而，如果控制幅度是有界的，可能的尖峰时间的范围是约束和确定的界限，和可行的尖峰时间最佳实现分段连续控制。我们提出了这些最小功率刺激尖峰神经元的解析表达式，并说明了最佳的解决方案与数值模拟。
2010-11-16 math.DS math.OC q-bio.NC
A `Rosetta stone' for the population dynamics of spiking neuron networks
尖峰神经元模型的群体具有其微观变量的密度（例如，单细胞膜电位），其进化完全捕获生物网络的集体动力学，甚至在平衡之外。尽管它的普遍适用性，福克-普朗克方程控制这种演变主要是在线性响应理论的边界内进行研究，虽然替代的谱展开方法在研究平衡动力学中提供了一些优势。这主要是由于在计算的微分方程的扩展系统的状态相关系数的困难。在这里，我们解决这个问题，推导出这样的系数的解析表达式，通过配对的福克-普朗克方法与他们的同行从频谱扩展的微扰解。在这些系数中的几个与尖峰间间隔密度的拉普拉斯变换之间出现紧密的关系（即，第一次通过时间的分布）。“系数”，如电流-速率增益函数，福克-普朗克算子的本征值及其在边界处的本征函数是在不诉诸积分表达式的情况下导出的。对于泄漏的积分和火灾神经元，固定和非固定模式之间的耦合项也铺平了道路，以准确地描述临界点和相互作用的种群网络的松弛时标。
2021-11-05 cond-mat.dis-nn q-bio.NC
Sub-threshold CMOS Spiking Neuron Circuit Design for Navigation Inspired by C. elegans Chemotaxis
我们展示了一个脉冲神经网络的导航动机的趋化网络的秀丽隐杆线虫。我们的网络使用有关跟踪变量浓度的时间梯度的信息来做出导航决策。梯度信息是通过模拟C.优雅仿真结果表明，我们的模型是能够觅食和跟踪的目标设定点在非常嘈杂的环境。我们开发了一个VLSI实现的主要梯度检测器神经元，它可以与标准的比较器电路集成，开发一个强大的电路导航和轮廓跟踪。
2014-10-29 cs.NE q-bio.NC
Thermodynamic Order Parameters and Statistical-Mechanical Measures for Characterization of the Burst and Spike Synchronizations of Bursting Neurons
我们感兴趣的是表征群体同步的爆发神经元表现出缓慢的爆发和快速的尖峰时间尺度，与尖峰神经元。种群同步可以在实验中获得的神经棘波的光栅图中很好地可视化。瞬时群体放电率（IPFR）$R(t)$可以直接从尖峰脉冲的栅格图中获得，在计算和实验神经科学中经常被用作描述群体行为的真实集体量。对于锋电位神经元，我们在$R(t)$的基础上引入了真实的热力学序参量和物理机械锋电位测度，对锋电位同步进行了实际表征。在这里，我们通过频率滤波分离的缓慢爆发和快速尖峰的时间尺度，并扩展的热力学序参量和爆炸的神经元的情况下的物理机械措施。因此，它示出在明确的例子中，顺序参数和物理力学措施可以有效地用于表征突发和尖峰同步的爆发神经元。
2014-10-06 nlin.CD physics.bio-ph q-bio.NC
Exact mean-field models for spiking neural networks with adaptation
具有适应性的尖峰神经元网络已被证明能够再现广泛的神经活动，包括支持大脑紊乱和正常功能的突发群体爆发和尖峰同步。从尖峰神经网络导出的精确平均场模型是非常有价值的，因为这样的模型可以用于确定单个神经元和网络参数如何相互作用以产生宏观网络行为。本文推导并分析了具有尖峰频率自适应的神经网络的精确平均场方程。具体来说，我们的模型是一个网络的Izhikevich神经元，其中每个神经元是由一个二维系统，包括一个二次积分和消防方程加上一个方程，实现尖峰频率自适应。以前的工作推导出这种类型的网络的平均场模型，依赖于假设足够慢的动态的适应变量。然而，这种近似并没有成功地在宏观描述和现实神经网络之间建立精确的对应关系，特别是当适应时间常数不大时。挑战在于如何实现一个封闭的一组平均场方程，包括适应变量的平均场表达式。我们解决这个挑战，通过使用一个Lorentzian anomaly结合矩封闭的方法来达到在热力学极限的平均场系统。所得到的宏观描述能够定性和定量地描述神经网络的集体动力学，包括紧张性放电和爆发之间的过渡。
2022-03-16 math.DS q-bio.NC
Hysteresis, neural avalanches and critical behaviour near a first-order transition of a spiking neural network
许多实验结果，无论是在体内还是体外，都支持这样的想法，即大脑皮层在临界点附近运行，同时作为精确时空模式的储存库。然而，这些观察结果所依据的机制仍然不清楚。在本文中，我们介绍了一个模型，它结合了这两个功能，显示无标度雪崩是一个系统的签名构成的一阶跃的亚稳线附近，与许多时空模式存储为动态亚稳吸引子。具体来说，我们研究了一个网络的泄漏集成和消防神经元，其连接是学习的结果，多个时空动态模式，每个随机选择的神经元的顺序。我们发现，该网络表现出一个低尖峰率无序状态（下）和高速率状态之间的一阶过渡，其特征在于集体活动的出现和存储模式之一的重放（上）。该转变的特征在于滞后，或上下状态的交替，取决于亚稳态的寿命。在这两种情况下，观察到的关键功能和神经雪崩。值得注意的是，临界现象发生在一个不连续的相变的边缘，最近观察到的辉光灯网络。
2019-06-12 cond-mat.dis-nn q-bio.NC
Dynamics of a large system of spiking neurons with synaptic delay
我们分析了一个大系统的异质二次积分和消防（QIF）神经元的时间延迟，所有到所有的突触耦合。该模型被精确地减少到一个系统的点火率方程，利用调查的存在性，稳定性和完全同步，部分同步和非相干状态的分叉。结合这一分析，我们进行了广泛的数值模拟QIF神经元的原始网络，并确定部分同步状态的宏观和微观状态之间的关系。结果总结在两个相图中，同质和异质的人口，这是在很大程度上得到分析。对于兴奋性耦合，相图是非常相似的Kuramoto模型的时间延迟，虽然在这里的稳定性边界延伸到区域的参数空间中的神经元不是自持振荡器。相比之下，抑制耦合的边界结构是不同的，并且已经为同质网络揭示了仓本模型中不存在的各种部分同步状态的存在：集体混沌，准周期部分同步（QPS）和我们称之为调制QPS（M-QPS）的新状态。在异质性部分同步状态的存在下，联想到集体混沌，QPS和M-QPS持续。此外，异质性的存在极大地放大了激发和抑制的非相干稳定性边界之间的差异。最后，我们比较我们的结果与传统的（威尔逊-考恩型）点火率模型的时间延迟。传统的放电率模型的振荡不稳定性定性地同意我们的结果，只有在抑制耦合的情况下，具有强异质性。
2018-10-25 nlin.AO nlin.CD q-bio.NC
Constructing precisely computing networks with biophysical spiking neurons
虽然尖峰时间已被证明携带详细的刺激信息在感觉外围，其可能的作用在网络计算是不太清楚。大多数神经网络的计算模型都是基于群体放电率的。在等效尖峰发放实现中，假设激发是随机的，使得跨神经元群体的平均恢复基于速率的方法。然而，最近Denéve及其同事提出，神经元的尖峰行为可能是神经元网络计算的基础，精确的尖峰时间由每个神经元对产生所需输出的贡献决定。通过假设每个神经元激发以减少网络输出中的误差，证明了线性计算可以由通过瞬时突触进行通信的集成和激发神经元网络进行。然而，这留下了一个可能性，即现实的网络，具有基于电导的神经元，具有亚阈值非线性和生物物理突触的较慢时标，可能不适合这个框架。在这里，我们展示了如何尖峰为基础的方法可以扩展到生物物理学合理的网络。然后，我们表明，我们的网络再现了一些关键功能的皮质网络，包括不规则和泊松样尖峰时间和兴奋和抑制之间的紧平衡。最后，我们讨论了我们的模型的行为如何与网络规模，或从一个更大的计算网络“记录”的神经元的数量。这些结果显着增加了基于尖峰的网络计算方法的生物相容性。
2015-07-16 q-bio.NC
Scalable Construction of Spiking Neural Networks using up to thousands of GPUs
University of Cagliari（卡利亚里大学）；Istituto Nazionale di Fisica Nucleare (INFN)（意大利国家核物理研究所）；Jülich Research Centre（于利希研究中心）；RWTH Aachen University（亚琛工业大学）
本文提出一种基于MPI的多GPU集群构建大规模脉冲神经网络的方法，通过高效管理通信与内存，实现对神经网络的可扩展模拟。
2026-05-15 cs.DC cs.NE physics.comp-ph
Low-dimensional firing-rate dynamics for populations of renewal-type spiking neurons
本文通过不应期密度方程的特征模态展开，为更新型脉冲神经元群体推导了能捕捉脉冲同步效应的低维放电率模型，并建立了特征值与脉冲间隔分布拉普拉斯变换的简单关系。
2020-03-20 q-bio.NC
Coding static natural images using spiking event times: do neurons cooperate?
为了理解中枢神经系统中时间尖峰编码的可能策略，我们研究了静态图像视觉处理的功能性神经模拟模型。我们将首先介绍的视网膜模型，这是由Van Rullen和索普，它代表了多尺度对比度值的图像，使用正交小波变换。这些模拟值激活一组尖峰神经元，每个神经元激发一次，产生一个异步尖峰波。根据该模型，由于利用自然图像确定的系数的统计中的不确定性，可以从该尖峰波渐进地重建图像。在这里，我们从数学上研究这种时间表示所携带的信息传输质量如何随时间变化。特别是，我们研究了如何使用这些神经元的时间合作的形式来编码模拟值，以优化信息传输。原始模型使用接近正交的小波变换。然而，现实的神经元的选择性重叠，我们提出了一个扩展以前的模型，通过增加过滤器之间的空间合作。这个模型扩展了以前的计划任意-和可能的非正交-表示的图像中的功能。特别是，我们比较了视网膜中越来越多的过完整表征的表现。实验结果表明，该算法为低层视觉处理提供了一种有效的锋电位编码策略，可以适应视觉输入的复杂性。
2006-11-01 q-bio.NC
Relation between firing statistics of spiking neuron with delayed fast inhibitory feedback and without feedback
我们考虑一类尖峰神经元模型，定义了一组典型的基本阈值型模型的条件，如泄漏集成和消防或绑定神经元模型，也为一些人工神经元。一个神经元被输入一个泊松过程。每个输出脉冲在有限延迟$Δ$之后被施加到神经元本身。这种冲动的作用是通过快速Cl型抑制性突触传递。我们推导出一个一般的关系，它允许精确计算的概率密度函数（PDF）$p(t)$的输出脉冲间间隔的神经元与反馈的基础上已知的PDF $p^0(t)$相同的神经元没有反馈和反馈线的属性（$Δ$值）。相应的时刻之间的类似关系推导。此外，我们证明，初始段的pdf $p^0(t)$的神经元具有固定的阈值水平是相同的任何神经元满足所施加的条件，是完全由输入流。对于泊松输入流，我们精确地计算初始段，并基于它，精确地获得具有反馈的神经元的pdf $p(t)$的初始段。也就是说，$p(t)$的初始段也是与模型无关的。通过蒙特卡罗模拟对所得表达式进行了检验。$p(t)$的过程具有明显的特殊性，这使得不可能用泊松或其他简单的随机过程来近似$p(t)$。
2018-10-03 q-bio.NC
A First-Order Non-Homogeneous Markov Model for the Response of Spiking Neurons Stimulated by Small Phase-Continuous Signals
我们提出了一个一阶非齐次马尔可夫模型的连续刺激的尖峰神经元的interspike-interval密度。该模型允许的条件interspike-interval密度和固定interspike-interval密度被表示为两个单独的功能，其中之一只描述了神经元的特性，而另一个只描述了信号特性的产品。这允许在底层神经元模型未知或未很好确定时使用该模型来预测响应。该近似特别清楚地表明，信号自相关和互相关作为尖峰间期密度的自然特征而出现，并且对于小信号和中等噪声特别清楚。我们表明，该模型简化了尖峰神经元互相关系统的设计，并描述了一个四神经元互抑制网络，产生两个输入信号的互相关输出。
2008-07-09 cs.NE q-bio.NC
Modeling the correlated activity of neural populations: A review
神经编码和计算的原理本质上是集体的，通常涉及大量具有高度相关活动的相互作用的神经元。虽然神经功能理论早已认识到集体效应在神经元群体中的重要性，但直到过去20年，才有可能使用先进的实验技术同时记录许多细胞的单个尖峰分辨率，并将这些相关性与功能和行为联系起来。这篇评论的重点是最近开发的建模和推理方法来描述相关的尖峰活动的神经元群体。我们涵盖了各种模型，描述神经元对之间的相关性，以及更大的群体之间，同步或延迟的时间，有或没有明确的影响的刺激，包括或不包括潜在的变量。我们讨论了每种方法的优点和缺点，以及与其应用程序记录越来越大的人口相关的计算挑战。
2018-06-21 q-bio.NC
Learning Feedforward and Recurrent Deterministic Spiking Neuron Network Feedback Controllers
我们解决的问题，学习反馈控制的控制器是一个网络构造的确定性尖峰神经元。与以前基于神经元尖峰速率模型的研究相比，这里的控制信号由网络输出神经元生成的尖峰的精确时间位置确定。我们正式建模的问题作为一个混合动力系统，包括一个闭环之间的植物和尖峰神经元网络。我们推导出一种新的突触权重更新规则，通过该规则，尖峰神经元网络控制器学习在所需的设定点保持过程变量。该控制器实现其学习目标的基础上访问工厂的过程变量和他们的衍生物相对于不断变化的控制信号，特别是，它不需要工厂的内部模型。我们证明了有效性的规则，将其应用到经典的控制问题的车杆（倒立摆）和模型的鱼运动。实验表明，所提出的控制器具有一个稳定的区域相比，传统的PID控制器，其轨迹不同的定性从PID控制器，并在许多情况下，控制器实现其目标，使用非常稀疏的脉冲序列输出。
2018-09-25 cs.NE q-bio.NC
Firing statistics in the bistable regime of neurons with homoclinic spike generation
有规律放电的神经元的神经元电压动力学通常有一个稳定的吸引子：固定点（如在阈下状态）或限定动作电位的强直放电的极限环（在阈上状态）。然而，在已知引起全或无类型动作电位的三个尖峰起始分叉序列中的两个中，静息状态不动点和极限环尖峰可以共存于中间状态，从而导致双稳态动力学。这里，噪声可以引起吸引子之间的切换，即，之间的休息和尖峰，并因此增加了脉冲序列的变化相比，只有一个稳定的吸引神经元。由此产生的尖峰统计的定性特征取决于尖峰发作分叉。本研究的重点是通过鞍同宿轨道（HOM）分岔的尖峰极限环的创建，并推导出基于电导的神经元模型在双稳态制度的峰间期（ISI）密度。双稳态同宿神经元的ISI密度是单峰的，但不同于与鞍结不变环（SNIC）分叉相关的逆高斯分布。它表明，HOM分叉之间的过渡休息和尖峰主要是确定沿下行的动作电位-一个动态的功能，是不被常用的复位神经元模型捕获。推导出的尖峰统计量可以帮助识别实验数据中的HOM动力学。
2020-10-06 q-bio.NC
From Cortical Synchronous Rhythm to Brain Inspired Learning Mechanism: An Oscillatory Spiking Neural Network with Time-Delayed Coordination
Department of Psychiatry & Department of Computer Science（精神病学系与计算机科学系）
本文提出一种脑启发学习机制，通过迭代的自下而上和自上而下交互，实现认知层面的神经同步，利用振荡同步实现高效信息处理。
2026-05-03 cs.AI cs.LG q-bio.NC
Associative memory of phase-coded spatiotemporal patterns in leaky Integrate and Fire networks
我们研究了Leaky Integrate and Fire网络的集体动力学，其中神经元之间尖峰的精确相对相位关系被存储为动力学的吸引子，并在不同的时间尺度上选择性地重放。使用基于STDP的学习过程中，我们存储在连接几个相位编码的尖峰模式，我们发现，根据网络的兴奋性，不同的工作制度是可能的，短暂的或持久的重放活动引起的一个简短的信号。我们引入了一个序参数来评价存储和调用的相位编码模式之间的相似性，并衡量存储容量。在重放期间尖峰阈值的调制改变集体振荡的频率或每个周期的尖峰数量，保持保持相位关系。这允许相位、速率和频率是可分离的编码方案。研究了神经元参数对噪声和异质性的鲁棒性，结果表明，由于动力学是一个检索过程，神经元保持单元间稳定精确的相位关系，即使在噪声条件下和单元内部参数异质性的情况下，也保持唯一的振荡频率.
2012-10-25 q-bio.NC
Dynamics and computation in mixed networks containing neurons that accelerate towards spiking
大脑中的网络由不同类型的神经元组成。在这里，我们研究神经元多样性的动力学，相空间结构和计算能力的尖峰神经网络的影响。我们发现，不同类型的单个神经元已经可以定性地改变网络动态，并且混合网络可以将具有单个神经元类型的计算能力结合起来。我们研究了凹漏（LIF）和凸“反漏”（XIF）集成和消防神经元，推广不规则尖峰非混沌LIF神经元网络的抑制网络。由于XIF神经元具有简单的基于电导的突触，我们的网络也可以生成不规则异步尖峰的平衡状态。我们确定的电压概率分布和自洽的发射率假设泊松输入有限大小的尖峰的影响。此外，我们计算全谱的李雅普诺夫指数（LE）和协变李雅普诺夫向量（CLV）指定相应的扰动方向。我们发现，每个XIF神经元大约有一个阳性LE。这特别表明，单个XIF神经元使网络动力学变得混乱。一个简单的平均场的方法，这可以证明的CLV的属性，解释了这一发现。作为一个应用程序，我们提出了一个基于尖峰的计算方案，我们的网络作为计算水库和他们不同的稳定性产生不同的计算能力。
2019-08-15 cond-mat.dis-nn nlin.CD q-bio.NC
A Flexible Bayesian Clustering of Dynamic Subpopulations in Neural Spiking Activity
随着神经记录技术的进步，神经科学家现在能够同时记录数百个神经元的尖峰活动，需要新的统计方法来了解这种大规模神经元群体活动的结构。虽然以前的工作试图通过提取低维潜在因子来总结已知群体内和群体之间的神经活动，但在许多情况下，确定独特群体的因素可能尚不清楚。神经元在它们的解剖位置上不同，而且在它们的细胞类型和反应特性上也不同。为了识别与神经活动直接相关的种群，我们提出了一种基于混合动态泊松因子分析器（mixDPFA）模型的聚类方法，将聚类数和每个聚类的潜在因子维数作为未知参数。为了分析建议的mixDPFA模型，我们提出了一个马尔可夫链蒙特卡罗（MCMC）算法，有效地采样其后验分布。通过仿真实验验证了MCMC算法的有效性，该算法能够准确地恢复模型中的未知参数和真实聚类，并且对初始聚类分配不敏感。然后，我们将所提出的mixDPFA模型应用于多区域实验记录，在那里我们发现，所提出的方法可以根据它们的活动来识别新的，可靠的神经元簇，因此，可能是神经数据分析的有用工具。
2023-03-02 q-bio.NC stat.AP
Population spiking and bursting in next generation neural masses with spike-frequency adaptation
尖峰频率适应（Spike-frequency adaptation，SFA）是一种基本的神经机制，它考虑到了由于尖峰发射引起的疲劳和随之而来的放电活动的减少。我们已经研究了这种适应机制的宏观动力学的二次整合和消防（QIF）神经元耦合通过指数衰减突触后电位的兴奋性和抑制性网络的影响。特别是，我们通过采用精确的平均场减少来研究种群活动，这产生了下一代神经质量模型。这种低维的减少允许分叉图的推导和识别可能出现在一个单一的和两个相同的耦合神经质量的宏观制度。在单个种群中，SFA有利于兴奋性网络中种群爆发的出现，而抑制性网络中的强直性种群尖峰则受到抑制。在没有适应的情况下，两个神经块的对称耦合会导致对称性破缺的宏观解的出现：即抑制性情况下的嵌合体样解和兴奋性情况下的反相种群尖峰。SFA的加入导致新的集体动力学制度表现出交叉频率耦合（CFC）之间的快速突触时间尺度和缓慢的适应，从反相慢-快嵌套振荡对称和不对称的爆发现象。对$θ$ - $γ$范围内的这些CFC节律的分析表明，SFA的减少导致$θ$频率的增加，并伴随着$γ$频率的减少。这类似于实验报告的啮齿类动物的海马和嗅觉皮层在胆碱能调节下的情况，已知其减少SFA。
2022-10-10 cond-mat.dis-nn math.DS nlin.AO
Theory of population coupling and applications to describe high order correlations in large populations of interacting neurons
为了了解神经元群体中的集体尖峰活动，揭示负责这些紧急功能状态的基本电路变量是至关重要的。本文对最近在小鼠和猴的视觉皮层研究中提出的群体耦合的平均场理论进行了发展，将单个神经元的活动与群体活动联系起来，并将原来的形式扩展到二阶，将神经元对的活动与群体活动联系起来，以解释神经元数据中观察到的高阶相关性。我测试的蝾螈视网膜数据和行为大鼠的皮层尖峰数据的计算框架。对于视网膜数据，原始形式的群体耦合及其高级形式可以分别解释两细胞相关性和三细胞相关性的显著部分。对于皮层数据，性能变得更好，二阶种群耦合揭示了局部皮层回路中的非局部效应。
2017-02-01 physics.bio-ph q-bio.NC
BioLCNet: Reward-modulated Locally Connected Spiking Neural Networks
Politecnico di Torino（都灵理工大学）；University of Tehran（德黑兰大学）；The University of Edinburgh（爱丁堡大学）；Shahid Beheshti University（沙希德·贝赫什提大学）
脑启发计算和信息处理以及与神经形态硬件的兼容性使得脉冲神经网络（SNN）成为解决机器学习（ML）中学习任务的一种有前途的方法。尖峰神经元只是构建生物合理学习模型的要求之一。网络架构和学习规则是开发此类人工代理时要考虑的其他重要因素。在这项工作中，受人类视觉通路和多巴胺在学习中的作用的启发，我们提出了一个奖励调制的局部连接脉冲神经网络，BioLCNet，视觉学习任务。为了从泊松分布的尖峰序列中提取视觉特征，我们使用了与权重共享的卷积滤波器相比更类似于生物视觉系统的局部滤波器。在解码层，我们应用了基于峰值人口的投票方案来确定网络的决策。我们采用尖峰时间依赖可塑性（STDP）学习的视觉特征，其奖励调制的变体（R-STDP）的基础上的奖励或惩罚反馈信号训练解码器。为了评估，我们首先评估了我们的奖励机制的鲁棒性，以不同的目标反应在一个经典的条件反射实验。之后，我们评估了我们的网络在MNIST和XOR MNIST数据集的图像分类任务上的性能。
2022-07-07 cs.CV cs.LG cs.NE
Phase transitions in in vivo or in vitro populations of spiking neurons belong to different universality classes
Stony Brook University（石溪大学）
本研究针对神经回路临界现象理论的局限性，开发了适配现实连接约束的脉冲神经元群体重整化群方法，发现体内外神经元群体相变分属不同普适类，且均可在兴奋抑制平衡下出现反常标度，并通过模拟验证了结果。
2025-05-13 cond-mat.dis-nn cond-mat.soft cond-mat.stat-mech
Searching for collective behavior in a network of real neurons
最大熵模型是结构化程度最低的概率分布，它精确地再现了在交互网络中测量的一组选定的统计数据。在这里，我们使用这一原则来构建概率模型，描述相关的尖峰活动的人口多达120个神经元的蝾螈视网膜，因为它响应自然电影。在小到10个神经元的群体中，尖峰之间的相互作用不再被视为独立系统中的小扰动;对于40个或更多的神经元，成对的相互作用需要由控制群体中同步分布的全局相互作用来补充。在这里，我们表明，这样的“K-成对”模型-以前使用的成对伊辛模型的系统扩展-提供了一个很好的数据。我们通过以下方式探索神经词汇的性质：1）估计其熵，这限制了群体表示视觉信息的能力; 2）将活动模式分类为一小组亚稳态集体模式; 3）显示神经码字集合是非常不均匀的; 4）证明单个神经元的状态是高度可预测的，允许纠错的能力。
2013-06-13 cond-mat.stat-mech physics.bio-ph q-bio.NC
S4NN: temporal backpropagation for spiking neural networks with one spike per neuron
Shahid Beheshti University（沙希德·贝赫什提大学）；CNRS（法国国家科学研究中心）；Universite Toulouse 3（图卢兹第三大学）
我们提出了一个新的监督学习规则的多层脉冲神经网络（SNN），使用一种形式的时间编码称为秩顺序编码。在这种编码方案下，所有神经元对每个刺激都只发射一个尖峰，但发射顺序携带着信息。特别地，在读出层中，第一个被激发的神经元决定了刺激的类别。我们推导出一种新的学习规则，这种网络，命名为S4 NN，类似于传统的误差反向传播，但基于lavelet。我们展示了如何近似的误差梯度可以向后计算的前馈网络中的任何层数。这种方法通过监督多个全连接层SNN达到了最先进的性能：MNIST数据集的测试准确率为97.4%，加州理工学院Face/Motorbike数据集的测试准确率为99.2%。然而，我们使用的神经元模型，非泄漏积分和发射，比以前所有工作中使用的模型简单得多。拟议的S4 NN的源代码可在https://github.com/SRKH/S4NN上公开获得。
2020-06-13 cs.CV cs.LG cs.NE
Exploiting network topology in brain-scale simulations of spiking neural networks
Institute for Advanced Simulation (IAS-6), Jülich Research Centre（先进模拟研究所（IAS-6），于利希研究中心）；RWTH Aachen University（亚琛工业大学）；Department of Physics, Faculty 1, RWTH Aachen University（亚琛工业大学第一学院物理系）；Department of Psychiatry, Psychotherapy and Psychosomatics, School of Medicine, RWTH Aachen University（亚琛大学医学院精神病学、心理治疗与身心医学科）；Neuromorphic Software Ecosystems (PGI-15), Jülich Research Centre（神经形态软件生态系统（PGI-15），于利希研究中心）；JARA BRAIN Institute Structure-Function Relationships (INM-10), Jülich Research Centre（JARA大脑结构-功能关系研究所（INM-10），于利希研究中心）
针对分布式大规模脉冲神经网络仿真中通信瓶颈问题，提出基于脑区结构感知的局部-全局混合通信架构，显著提升性能并降低能耗。
2026-06-29 cs.DC q-bio.NC
Reconstructing Neural Parameters and Synapses of arbitrary interconnected Neurons from their Simulated Spiking Activity
为了理解神经回路的行为，我们有一个先决条件，即我们有一个描述这个回路的动力系统模型。该模型由几个参数决定，不仅包括突触权重，还包括每个神经元的参数。现有的工作主要集中在突触权重或神经元参数。在本文中，我们提出了一种算法来重建所有参数，包括突触的尖峰神经元模型的权重。该模型以尤金·M. Izhikevich（Izhikevich 2007）由两个微分方程组成，涵盖了不同类型的皮层神经元。它结合了Hodgkin-Huxley型动力学的动力学性质和高计算效率。所提出的算法使用相应的膜电位的模型的重建的记录，并由两个主要组成部分。第一部分是一个基于秩的遗传算法（GA），它是用来找到模型的神经参数。第二种方法是最小均方方法，该方法通过最小化每个时间步长的计算和测量的膜电位之间的平方误差来计算所有互连神经元的突触权重。在准备重建的神经参数和突触的权重，从实际测量的膜电位，有前途的结果的基础上产生的随机参数化Izhikevich模型的模拟数据。该方法不仅收敛于神经元参数的全局最小值，而且能够高精度地逼近神经元的突触权值。
2016-08-22 cs.NE q-bio.NC
A new generation of reduction methods for networks of neurons with complex dynamic phenotypes
本文将精确降维方法扩展至基于电导的二维Izhikevich神经元网络，利用绝热近似解析求解连续性方程以降低模型维度，并验证了该方法能准确描述多种电生理特征及脉冲簇动力学神经元群体的宏观行为。
2023-10-23 cond-mat.stat-mech q-bio.NC
Metastability in networks of nonlinear stochastic integrate-and-fire neurons
Stony Brook University（石溪大学）；Boston University（波士顿大学）
本研究针对单神经元非线性与神经群体集体活动的关联问题，采用随机漏性积分发放模型的场论公式，揭示了非线性尖峰强度与膜电位重置的相互作用可诱发循环网络亚稳态，并对发放率和膜电位产生同向或反向调控效应。
2024-12-12 cond-mat.dis-nn q-bio.NC
