Evolving Neuronal Plasticity Rules using Cartesian Genetic Programming
我们制定的突触可塑性的现象学模型的搜索作为一个优化问题。我们采用笛卡尔遗传编程来进化生物学上合理的人类可解释的可塑性规则,允许给定的网络成功地解决特定任务家族的任务。虽然我们的进化学习方法可以应用于各种学习范式,但在这里,我们通过进化可塑性规则来说明它的力量,这些规则允许网络有效地确定其输入分布的第一个主成分。我们证明了进化的规则与已知的手工设计的解决方案具有竞争力。我们探讨了进化搜索过程中使用的数据集的统计特性如何影响可塑性规则的形式,并发现了适应于相应数据集结构的新规则。
2021-02-08 cs.NE q-bio.NC
Synaptic Plasticity and Spike Synchronisation in Neuronal Networks
脑可塑性,也称为神经可塑性,是神经元适应环境变化或脑损伤的基本机制。本文综述了突触可塑性对Hodgkin-Huxley神经元网络的影响。我们发现,最终的拓扑结构的进化网络的抑制性和兴奋性突触的强度之间的比例至关重要。与抑制顺序相同的兴奋会使一个进化的网络产生兴奋,呈现出富人俱乐部现象,众所周知,这种现象存在于大脑中。对于具有相当大的抑制强度的初始网络,我们观察到复杂的进化拓扑的出现,其中神经元稀疏地连接到其他神经元,这也是大脑的典型拓扑。噪声的存在增强了两种类型突触的强度,但如果初始网络具有两种性质的突触,则强度相似。最后,我们将展示如何演变的网络的同步行为将反映其演变的拓扑结构。
2017-09-01 physics.bio-ph q-bio.NC
Critical neural networks with short and long term plasticity
近年来,自组织临界神经元模型提供了关于实验观察到的神经元系统雪崩行为的起源的见解。研究表明,动态突触作为一种短期可塑性的形式,可以引起关键的神经元动力学。而长期可塑性,如赫布或活动依赖可塑性,在塑造网络结构和赋予神经系统学习能力方面起着至关重要的作用。在这项工作中,我们提供了一个模型,它结合了两种可塑性机制,作用于两个不同的时间尺度。测得的雪崩的统计数据是兼容的雪崩的大小和持续时间分布与生物学观察到的抑制性神经元的百分比的实验结果。神经元活动的时间序列表现出导致功率谱中的1/f衰减的时间突发。长期可塑性的存在使系统能够学习二进制规则,如XOR,为未来研究更复杂的任务(如模式识别)提供了基础。
2017-12-18 nlin.AO q-bio.NC
Learning of Precise Spike Times with Membrane Potential Dependent Synaptic Plasticity
神经元动作电位的精确时空模式是例如感觉表征和肌肉活动控制的基础。然而,尚不清楚大脑神经元网络中的突触功效如何适应,使得它们能够在特定时间点可靠地产生尖峰。现有的活动依赖的可塑性规则,如尖峰时间依赖的可塑性是不可知的学习尖峰时间的目标。另一方面,现有的正式和监督学习算法执行预测活动与目标的时间上精确的比较,但没有已知的生物学上合理的实现这种比较。在这里,我们提出了一个简单的和局部的无监督的突触可塑性机制,是来自于平衡的膜电位的要求。由于突触变化的相关信号是突触后电压而不是尖峰时间,我们称之为可塑性规则膜电位依赖可塑性(MPDP)。将我们的可塑性机制与尖峰后超极化相结合,导致突触变化对突触前和突触后尖峰时间的敏感性,这可以再现实验中发现的抑制性突触的Hebbian尖峰时间依赖可塑性。此外,当产生尖峰时,MPDP对电压的时间过程的敏感性允许MPDP区分弱(假)尖峰和强(教师)尖峰,这因此为实际和目标活动的比较提供了神经元基础。对于时空输入尖峰模式,我们概念上简单的可塑性规则实现了令人惊讶的高存储容量的尖峰协会。MPDP在训练过程中对阈下膜电位的敏感性允许在学习后即使在存在被噪声破坏的活动的情况下也进行鲁棒的记忆检索。
2015-02-23 q-bio.NC
Dis-inhibitory neuronal circuits can control the sign of synaptic plasticity
Friedrich Miescher Institute for Biomedical Research(弗里德里希·米歇尔生物医学研究所);Faculty of Science, University of Basel(巴塞尔大学理学院)
针对信用分配中误差调节与突触后活动决定可塑性符号之间的矛盾,本文提出自适应控制框架下的去抑制微回路与 Hebbian 规则,实现可比 BP 的学习并给出可检验预测。
2023-12-11 cs.LG cs.NE q-bio.NC
Theory of coupled neuronal-synaptic dynamics
本文通过动态平均场理论系统研究神经元与突触耦合动力学,揭示Hebbian和反Hebbian可塑性对网络活动、时间尺度及混沌特性的影响,并提出可冻结混沌相作为工作记忆的新机制。
2024-01-10 cond-mat.dis-nn cs.NE q-bio.NC
Burst Synchronization in A Scale-Free Neuronal Network with Inhibitory Spike-Timing-Dependent Plasticity
我们关注的突发同步(BS),在健康和疾病的神经信息处理,在巴拉巴西-阿尔伯特无标度网络(SFN)组成的抑制性突发Hindmarsh-Rose神经元。这种抑制性神经元群体具有由抑制性尖峰时间依赖性可塑性(iSTDP)支配的自适应动态突触强度。在以前的工作中,没有考虑iSTDP,BS被发现出现在固定的突触抑制强度的噪声强度的范围内。相比之下,在我们目前的工作中,我们考虑到iSTDP和调查其对BS通过改变噪声强度的影响。我们的新的主要结果是发现抑制性突触可塑性的马太效应的发生:好的BS通过LTD变得更好,而坏的BS通过LTP变得更糟。抑制性突触可塑性中的这种马太效应与兴奋性突触可塑性中的马太效应相反,在兴奋性突触可塑性中,好(坏)同步通过LTP(LTD)变得更好(更差)。我们注意到,由于抑制,LTD和LTP在抑制性突触可塑性中的作用与兴奋性突触可塑性中的作用相比是相反的。此外,通过基于突触前和突触后爆发开始时间之间的时间延迟分布的微观方法,深入研究了突触抑制强度的LTD和LTP的出现。最后,在iSTDP存在的情况下,我们通过改变SFN中的对称附着度$l^*$和不对称参数$Δl$来研究网络架构对BS的影响。
2018-08-20 physics.bio-ph q-bio.NC
A distance constrained synaptic plasticity model of C. elegans neuronal network
脑研究一直是由对脑结构组织及其控制机制的原理的探索所驱动的。C.秀丽隐杆线虫是迄今为止唯一一个完整的连接体,它提供了一个令人难以置信的机会来学习驱动其神经元结构的结构和功能的基本管理原则。尽管它的神经系统看起来很简单,C.已知秀丽线虫具有复杂的功能。神经元结构形成了一个重要的基本框架,它规定了与感觉、运动、条件反射和记忆相关的表型特征。本研究利用图论模型对C. elegans神经元网络,以确定网络的功能,是至关重要的控制。“驱动神经元”与重要的生物功能有关,如生殖,信号传导过程和解剖结构发育。我们建立了C. elegans神经元系统,探索赋予可控性和小世界性质的功能的作用。简单的1D环模型是关键的前馈图案的数量,神经元集群和响应突触重新布线的特征路径长度,表明最佳的重新布线。使用经验观察到的神经元网络中的距离约束作为指导原则,我们创建了一个距离约束的突触可塑性模型,同时解释了小世界的性质,前馈图案的饱和度以及观察到的驱动神经元的数量。距离约束模型建议最佳长距离突触连接作为指定网络控制的关键特征。
2016-11-25 physics.bio-ph q-bio.NC q-bio.QM
Stochastic Models of Neural Synaptic Plasticity
在神经科学中,学习和记忆通常与神经元连接的长期变化有关。在此上下文中,突触可塑性是指驱动神经元连接的动力学的一组机制,称为{ \em突触}并且由标量值(突触权重)表示。尖峰定时依赖可塑性(STDP)是一种基于生物学的模型,将突触权重的时间演变表示为相邻神经元过去尖峰活动的函数。如果在数学文献中已经提出了许多神经元细胞的模型,其中很少包括一个随时间变化的连接强度的变量。一个新的,一般的,数学框架介绍了研究突触可塑性与不同的STDP规则。研究了由单个突触连接的两个神经元组成的系统,提出并分析了描述其动力学行为的随机过程。塑性核的概念被引入作为塑性神经网络模型的一个关键组成部分,推广了用于基于对的模型的概念。我们表明,大量的神经科学和物理学的STDP规则可以表示这种形式主义。这些模型的几个方面进行了讨论,并比较典型的计算神经科学模型。一个重要的子类的可塑性内核与马尔可夫制定也被定义和研究。在这些模型中,细胞过程的时间演化,如神经元膜电位和由尖峰活动产生/抑制的化学成分的浓度具有马尔可夫性。
2021-06-09 math.PR q-bio.NC
Fractal analyses of networks of integrate-and-fire stochastic spiking neurons
尽管有越来越多的证据表明大脑中存在临界状态,但指导神经元网络达到或保持临界状态的过程仍然不清楚。本研究探讨了神经元增益可塑性的作用,在时间序列的模拟神经元网络组成的集成和消防随机尖峰神经元,分形方法在评估网络的关键性的效用。模拟时间序列来自一个完全连接的离散时间随机可兴奋神经元的网络模型。单分形和多重分形分析应用于神经元增益时间序列。分形尺度是最大的网络与中等范围的神经元的可塑性,相对于极高或极低水平的可塑性。峰值分形标度密切对应的额外指标的临界性,包括平均分支比。网络表现出多重分形结构,或多个标度关系。峰值临界附近的多重分形谱表现出细长的右尾,这表明分形结构对高振幅局部波动相对不敏感。临界状态附近的网络表现出中等范围的多重分形谱宽度和尾长,这是一致的文献表明,在准临界状态的网络必须足够稳定,以保持组织,但不稳定,足以适应。最后,分形分析可以提供额外的信息,网络的临界状态动态的影响,网络接近临界状态的指示尺度。
2018-01-19 q-bio.NC
Quantifying impacts of short-term plasticity on neuronal information transfer
已经假设功效的短期变化增强了突触在神经元之间和神经元网络内传递信息的能力。即使在单个神经元之间的连接水平上,直接证实这个简单的猜想也被证明是难以捉摸的。通过结合配对细胞记录,现实的突触建模和信息理论,我们提供的证据表明,短期可塑性不仅可以改善,而且可以减少神经元之间的信息传递。我们专注于一个具体的例子在大鼠新皮层,但我们的结果可能会推广到其他系统。当信息包含在单个尖峰的时间,我们发现,促进,抑郁和恢复影响信息传递的比例后,神经递质释放的概率的影响。当信息仅通过平均尖峰频率传递时,短期可塑性的影响主要取决于目标网络可以区分的尖峰频率范围(其有效动态范围)。我们的研究结果表明,为了有效地传递信息,大脑必须在发育和行为过程中匹配突触类型,编码策略和网络连接。
2012-04-15 cond-mat.dis-nn physics.bio-ph q-bio.NC
Short-term plasticity recalls forgotten memories through a trampoline mechanism
Institute for Computational and Mathematical Engineering, Stanford University(斯坦福大学计算与数学工程研究所);Department of Applied Physics, Stanford University(斯坦福大学应用物理系)
短期突触可塑性通过动态降低能量景观,使遗忘的记忆得以回忆,其最佳时间常数与短暂动态相匹配。
2026-02-07 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Training and spontaneous reinforcement of neuronal assemblies by spike timing
皮层的突触连接是可塑的,经验塑造了神经元之间正在进行的相互作用。尖峰时间依赖可塑性(STDP)的理论研究集中在神经元对或大规模的模拟分析的洞察力是缺乏的。一个简单的解释如何快速尖峰时间相关性影响微观和宏观网络结构仍然缺乏。我们开发了一个低维的平均场理论,显示如何STDP引起强耦合的神经元组件与共享的刺激偏好,与连接积极加强自发动态过程中的脉冲序列相关性。此外,刺激编码的细胞组件积极维持这些内部产生的尖峰相关性,这表明了一个新的作用,噪音相关性的神经编码。组装形成往往与基于放电率的可塑性计划,我们的理论提供了一个替代和补充的框架,时间相关性和STDP的形式,并积极保持学习结构的皮层网络。
2016-07-30 q-bio.NC
Astrocytes: orchestrating synaptic plasticity?
突触可塑性是两个神经元之间预先存在的连接作为神经活动的函数而改变强度的能力。由于突触可塑性是学习和记忆的主要候选机制,因此阐明其构成机制在正常和病理脑功能的许多方面都是至关重要的。特别是,一个突出的方面,仍然有争议的是如何可塑性机制,包括广泛的时间和空间尺度,来一起发挥协调一致的方式。在这里,我们回顾和讨论的证据,指出一个可能的非神经元,胶质细胞的候选人,这样的编排:星形胶质细胞的突触可塑性的调节。
2015-05-04 q-bio.NC
Effect of Interpopulation Spike-Timing-Dependent Plasticity on Synchronized Rhythms in Neuronal Networks with Inhibitory and Excitatory Populations
我们考虑具有抑制性(I)和兴奋性(E)种群的集群小世界网络。这种I-E神经元网络具有自适应的动态I到E和E到I群体间突触强度,由群体间尖峰时间依赖可塑性(STDP)控制。在以前的作品没有STDP,快速稀疏同步的节奏,涉及到不同的认知功能,被发现出现在一个范围内的噪声强度$D$静态突触强度。通过改变$D$,我们调查不同的人口和个人的快速稀疏同步的节奏,出现在I-和E-人口的人口间STDP的影响。根据$D$的值,长时程增强(LTP)和长时程抑制(LTD)的饱和种群间突触强度的群体平均值被发现发生,它们对快速稀疏同步的程度产生影响。在中间$D$的宽区域中,良好同步(具有较高的尖峰测量)的程度降低,而在大$D$的区域中,不良同步(具有较低的尖峰测量)的程度增加。因此,在每个I-或E-群体中,同步度在宽范围的$D$中变得几乎相同。这种“均衡效应”是通过快速稀疏同步节律的平均占用度和起搏度之间的协同相互作用而发生的。我们注意到,种群间突触可塑性的均衡效应与种群内(I到I和E到E)突触可塑性的马修(双极化)效应形成鲜明对比,在种群内,好(坏)的同步化变得更好(更差)。最后,通过基于突触前和突触后发放时间之间的时间延迟分布的微观方法,深入研究了群体间突触强度的LTP和LTD的出现。
2020-02-11 physics.bio-ph q-bio.NC
Eligibility Traces and Plasticity on Behavioral Time Scales: Experimental Support of neoHebbian Three-Factor Learning Rules
大多数基本行为,如移动手臂抓住物体或走进隔壁房间探索博物馆,都是在几秒钟的时间尺度上进化的;相反,神经元动作电位发生在几毫秒的时间尺度上。因此,大脑的学习规则必须弥合这两个不同时间尺度之间的差距。突触可塑性的现代理论已经假设,突触前和突触后神经元的共同激活在突触处设置了一个标记,称为资格迹线,其仅在设置标记时存在附加因子时才导致权重改变。这第三个因素,信号奖励,惩罚,惊喜,或新颖性,可以通过神经调质或特定的神经元输入信号特殊事件的阶段性活动来实现。虽然在过去的几十年中已经开发了理论框架,但仅在过去几年中才收集到支持秒时间尺度上的资格痕迹的实验证据。在这里,我们回顾,在突触可塑性的三因素规则的背景下,四个关键的实验,支持的作用,突触资格痕迹结合第三个因素作为一个生物实施neoHebbian三因素学习规则。
2018-01-16 q-bio.NC
Alterations in brain connectivity due to plasticity and synaptic delay
大脑可塑性是指大脑改变神经元连接的能力,作为环境刺激,新经验或损伤的结果。在这项工作中,我们研究的影响,突触延迟的耦合强度和同步的神经网络与突触可塑性。我们建立了一个Hodgkin-Huxley神经元网络,其中的可塑性由Hebbian规则给出。我们验证了在没有时间延迟的情况下,从高频到低频神经元的兴奋性突触逐渐增强,而抑制性突触则相反,当延迟增加时,网络呈现出非平凡的拓扑结构。关于同步,仅对于突触延迟的小值,观察到这种现象。
2017-10-27 physics.bio-ph q-bio.NC
Effect of Inhibitory Spike-Timing-Dependent Plasticity on Fast Sparsely Synchronized Rhythms in A Small-World Neuronal Network
我们认为Watts-Strogatz小世界网络(SWN)组成的抑制性快速尖峰Izhikevich中间神经元。这种抑制性神经元群体具有由抑制性尖峰时间依赖性可塑性(iSTDP)支配的自适应动态突触强度。在以前的作品没有iSTDP,快速稀疏同步的节奏,与不同的认知功能,被发现出现在一系列的大噪声强度固定强突触抑制强度。在这里,我们研究的影响iSTDP的快速稀疏同步(FSS)通过改变噪声强度$D$。我们采用非对称反赫布时间窗口的iSTDP更新规则[这是在对比兴奋性STDP(eSTDP)的赫布时间窗口]。依赖于$D$的值,饱和突触抑制强度的群体平均值与初始平均值相比被增强[长时程增强(LTP)]或降低[长时程抑制(LTD)],并且与初始分散相比,LTP/LTD的平均值的分散增加得多,与$D$无关。在大多数LTD的情况下,平均LTD的影响是占主导地位的分散的影响相比,好的FSS(具有较高的尖峰措施)被发现得到更好的通过LTD,而坏的FSS(具有较低的尖峰措施)被发现通过LTP变得更糟。抑制性突触可塑性中的这种马太效应与兴奋性突触可塑性中的马太效应相反,在兴奋性突触可塑性中,好(坏)同步通过LTP(LTD)变得更好(更差)。通过基于突触前和突触后锋电位时间延迟分布的微观方法,对突触抑制强度的LTD和LTP的出现进行了深入研究。此外,我们还研究了网络结构对FSS的影响,通过改变重布线概率$p$的…
2018-05-14 physics.bio-ph q-bio.NC
Effect of Spike-Timing-Dependent Plasticity on Stochastic Burst Synchronization in A Scale-Free Neuronal Network
我们考虑一个兴奋性人口的阈下Izhikevich神经元,不能火自发无噪声。当耦合强度超过阈值时,单个神经元表现出噪声诱导的爆发。这种神经元群体具有由尖峰定时依赖可塑性(STDP)控制的自适应动态突触强度。在没有STDP的情况下,噪声诱导的阈下神经元突发之间的随机突发同步(SBS)以前被发现发生在大范围的中间噪声强度。在这里,我们研究了添加剂STDP对SBS的影响,通过改变噪声强度$D$的Barabási-Albert无标度网络(SFN)的对称优先连接的情况下。这种类型的SFN表现出幂律度分布,因此它变成具有几个“枢纽”的非均匀SFN(即,超级连接节点)。发现突触可塑性中“马太”效应的发生是由于正反馈过程。好的突发同步通过突触强度的长时程增强(LTP)变得更好,而坏的突发同步通过长时程抑制(LTD)变得更糟。因此,通过改变$D$,发生向SBS的阶梯状快速转变,与不存在STDP时相对平滑的转变相反。在添加剂STDP的存在下,我们还研究了网络结构对固定$D$的SBS的影响。突触强度的LTP和LTD的出现详细研究通过微观研究的基础上的前和突触后神经元的爆发开始时间之间的时间延迟的分布和突触前和突触后的IIBR(瞬时个别爆发率)之间的配对相关性。最后,一个乘法STDP的情况下(取决于状态)也进行了研究,在比较添加剂STDP的情况下(独立的状态)。
2017-11-27 physics.bio-ph q-bio.NC
Introducing Astrocytes on a Neuromorphic Processor: Synchronization, Local Plasticity and Edge of Chaos
虽然还有很多关于星形胶质细胞及其在神经元活动的时空整合中的神经调节作用的知识需要学习,但它们引入神经形态硬件是及时的,有利于它们在基础科学问题中的计算探索以及在现实世界中的应用。在这里,我们提出了一个星形胶质细胞模块,使尖峰神经元星形胶质细胞网络(SNAN)到英特尔的Loihi神经形态芯片的发展。Loihi模块的基础是星形胶质细胞的端到端生物药理学上合理的房室模型,其模拟响应于空间和时间中的突触活动的细胞内活动。为了证明星形胶质细胞在SNAN中的功能作用,我们描述了星形胶质细胞如何感知和诱导活动依赖性神经元同步,打开和关闭尖峰时间依赖性可塑性(STDP)以引入单次学习,并监测突触空间有序和混沌活动之间的过渡。我们的模块可以作为神经形态硬件的扩展,通过复制或探索星形胶质细胞在形成生物智能中的独特计算角色。
2019-09-19 cs.NE q-bio.NC
Astrocyte control bursting mode of spiking neuron network with memristor-implemented plasticity
本文研究星形胶质细胞与忆阻器可塑性如何共同调控脉冲神经网络的爆发与异步动力学,发现星形胶质细胞对兴奋性突触的调控可恢复正常的爆发模式。
2023-11-30 q-bio.NC
Coupled Hebbian learning and evolutionary dynamics in a formal model for structural synaptic plasticity
神经元功能的理论模型考虑了网络学习、分类和识别输入的不同机制。这些模型的一个中心焦点是了解如何在神经元之间建立关联,以便预测与经验观察相兼容的尖峰模式。尽管这些模型带来了重大的见解和进步,但它们仍然没有解释大脑解决某些问题的惊人速度以及其创造力背后的原因。我们研究了两个重要的组成部分,可能至关重要的援助,全面了解说,神经动力学过程。首先,我们认为,一旦提出了一个问题,不同的假定的解决方案是由不同的群体或当地的神经元复合体并行产生的,随后的稳定和传播的最佳解决方案。使用数学模型,我们表明,这种机制加速找到正确的解决方案。这种形式类似于标准的进化复制-变异模型,其中变异类似于神经元状态切换(开/关)的概率。我们纳入的第二个因素是结构突触可塑性,即新突触的形成和旧突触的解体,我们将其应用为突触连接的动态重组。我们表明,赫布学习本身并不足以达到最佳的解决方案。然而,将其与并行评估和结构塑性相结合,为有效解决问题提供了可能性。在由此产生的网络中,拓扑收敛到全连接组件的子集。对突触施加成本会降低连接性,尽管连接组件的数量仍然很强大。对于早期建立的连接,突触的平均寿命更长,并且随着突触成本的减少而减少。
2015-05-17 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
Metaboplasticity: The Reciprocal Regulation of Neuronal Activity and Cellular Energetics
Yildiz Technical University(伊斯坦布尔耶迪泰佩大学)
该研究通过模拟神经元代谢与能量代谢的相互作用,揭示了代谢限制对网络稳定性的关键作用,发现生物能量学与学习之间存在倒U型关系。
2025-12-25 q-bio.NC
Stochastic resonance controlled upregulation of internal noise after hearing loss as a putative correlate of tinnitus-related neuronal hyperactivity
耳鸣是一种常见的听力损失,也是听力损失的一种表现。在动物研究中,声损伤可导致ST的行为体征,在人类研究中,ST患者没有增加的听力阈值被发现患有所谓的隐藏HL。此外,ST与沿听觉通路的病理性增加的自发放电率和神经元过度活跃(NH)相关。稳态可塑性(HP)已被提出作为一种补偿机制,导致NH的发展,认为HL后,最初降低的平均放电率的神经元随后恢复增加自发率。然而,所有HP模型从根本上缺乏解释力,因为保持平均发射率恒定的功能仍然难以捉摸,就信息处理而言,这可能带来的好处也是如此。此外,神经回路能够进行比较的首选与实际的平均放电率仍然不清楚。在这里,我们提出了一个全新的解释ST相关的发展,NH的信息论。我们认为,随机共振(SR)起着关键作用,在短期和长期的可塑性内的听觉系统,是NH和ST的最终原因。SR已被发现无处不在的神经科学,是指的现象,亚阈值,不可感知的信号可以通过添加噪声传感器输入传输。我们认为,HL后,SR用于提升信号以上的增加听力阈值,因此随后再次降低阈值。内部噪声的增加量与NH相关,由于听觉通路的神经元可塑性,NH最终导致ST的发展。我们通过使用计算模型证明了我们的假设的合理性,并提供了与我们的模型一致的人类和动物研究的示例性结果。
2016-03-15 q-bio.NC q-bio.QM
Plasticity-induced multistability on fast and slow timescales enables optimal information encoding and spontaneous sequence discrimination
University of Padova(帕多瓦大学);Max Planck Institute for the Physics of Complex Systems(马克斯·普朗克复杂系统物理研究所);The Abdus Salam International Center for Theoretical Physics (ICTP)(阿卜杜斯·萨拉姆理论物理国际中心(ICTP))
本研究提出信息论框架,揭示长短期可塑性在不同时间尺度上分别引导最优信息编码与序列区分,为理解神经-突触耦合动力学中复杂计算的涌现提供统一视角。
2025-09-17 cond-mat.stat-mech q-bio.NC
Networks that learn the precise timing of event sequences
神经元回路可以学习和重放由一系列感官刺激引起的放电模式。在训练之后,一个简短的提示可以触发一种时空模式的神经活动,类似于由学习的刺激序列诱发的时空模式。网络模型表明,这种序列学习可以通过长期可塑性形成前馈兴奋性连接而发生。以前的模型描述了如何学习事件顺序,但它们通常没有解释如何精确地回忆起时间。我们提出了一种机制,学习事件序列的顺序和精确的时间。在我们的循环网络模型中,长期可塑性导致序列的学习,而短期易化使事件在时间上精确重放。群体之间学习的突触权重决定了一个群体激活另一个群体所需的时间。长期可塑性调整这些权重,以便在回放期间匹配训练的事件时间。虽然我们选择短期易化作为时间跟踪过程,但我们也证明了其他机制,如尖峰频率适应,可以发挥这一作用。我们还分析了试验间变异性的影响,显示了观察误差以及神经元噪声如何导致学习事件时间的变异性。回放过程的动态确定随机性如何在学习序列定时中继承。因此,未来的实验,这种可变性的特点可以揭示序列学习的神经机制。
2015-07-02 q-bio.NC
Dendritic trafficking: synaptic scaling and structural plasticity
神经元回路通过一系列自我平衡机制在内部调节电信号。两个突出的机制,突触缩放和结构可塑性,被认为是通过使用负反馈修改网络连接的强度和空间范围来保持平均活动在操作范围内。然而,这两种机制的运作时间相对较慢,因此由于拖延而面临根本性的限制。我们发现,这些机制在维持一个大型网络的稳定性发挥互补作用。特别是,即使相对而言,缓慢的生长动力学显著地提高了性能,超过了单独的突触缩放。
2021-04-06 cs.SY eess.SY q-bio.NC
Harmonic fractal transformation, 4R-regeneration and noise shaping for ultra wide-band reception in FitzHugh-Nagumo neuronal model
该研究借助 FitzHugh-Nagumo 模型揭示谐波分形变换与无需延迟线的 RLC 噪声整形,提出4R再生机制,以解释神经元的超宽带、亚噪声底限信号处理能力。
2024-07-22 q-bio.NC
Correlation-based model of artificially induced plasticity in motor cortex by a bidirectional brain-computer interface
实验表明,使用双向脑机接口(BBCI)进行的棘波触发刺激可以人为地加强运动皮层(MC)中不同神经部位之间的连接。负责这些变化的神经元机制是什么?BBCI的靶向刺激如何塑造群体水平的突触连接?目前的工作描述了一个经常性的神经网络模型,概率尖峰机制和塑料突触能够捕获相关的BBCI条件协议的神经和突触活动统计。当从一个神经元记录在一个MC网站触发刺激在第二个目标网站后,一个固定的延迟,网站之间的连接加强与实验推导的尖峰时间依赖可塑性(STDP)规则一致的尖峰刺激延迟。然而,在网络水平上的STDP机制之间的关系,以及它们与神经植入物的修改仍然知之甚少。使用我们的模型,我们成功地再现了关键的实验结果,并使用分析推导,以及新的实验数据。然后,我们推导出最佳的操作制度BBCI,并制定预测的尖峰触发刺激的疗效在不同的制度的皮层活动。
2016-09-02 q-bio.NC
Simulation, visualization and analysis tools for pattern recognition assessment with spiking neuronal networks
计算建模正在成为现代神经科学中广泛使用的方法。然而,随着所研究现象的复杂性增加,对模拟结果的分析也随之变得更具挑战性。特别是,涉及学习的脑回路的配置和验证通常需要处理大量的动作电位,并将其与呈现给系统输入的刺激进行比较。在这项研究中,我们提出了一个系统的工作流程配置的尖峰神经元网络为基础的学习系统,包括进化算法的信息传输优化,先进的可视化工具的验证最合适的配置和定制脚本的学习能力的最终定量评估。通过整合分组的动作电位信息和刺激相关的事件,建议的可视化框架提供了定性评估的学习过程中的模拟研究的演变。建议的工作流程已被用来研究如何感受野出现在抑制性中间神经元网络的兴奋性和抑制性尖峰定时依赖的可塑性时,它暴露于重复和部分重叠的刺激模式。根据我们的研究结果,输出群体可靠地检测到刺激模式的存在,即使当中间神经元的扇入比受到相当大的限制。
2020-03-13 q-bio.NC
Learning arbitrary dynamics in efficient, balanced spiking networks using local plasticity rules
了解递归神经回路如何学习实现动力系统是神经科学的一个基本挑战。信用分配问题,即确定每个突触对网络全局输出误差的局部贡献,是推导生物学上合理的局部学习规则的主要障碍。此外,实现这些任务的尖峰循环网络在神经元和尖峰的数量方面不应该是非常昂贵的,因为它们通常是从速率模型中调整而来的。最后,这些网络应该对噪声和神经死亡具有鲁棒性,以便在面对这种自然发生的扰动时维持这些表示。我们解决这个问题的融合理论的有效,平衡尖峰网络(EBN)与非线性自适应控制理论。通过将其自身的误差反馈到网络中来确保局部学习规则,从而产生仅依赖于突触前输入和突触后反馈的突触可塑性规则。网络的尖峰效率和鲁棒性是通过保持紧密的兴奋/抑制平衡来保证的,确保每个尖峰代表全局输出误差的局部投影并最小化损失函数。由此产生的网络可以学习实现复杂的动力学与非常少量的神经元和尖峰,表现出相同的脉冲序列的变化,实验观察,是非常强大的噪声和神经元的损失。
2017-08-05 q-bio.NC
A Resonance Model for Spontaneous Cortical Activity
几十年来,人类大脑功能如何从结构中产生一直引起研究人员的兴趣,并提出了许多模型,但没有一个模型能产生密切的结构-功能关系。本文提出了一个基于神经元发放脉冲时间依赖可塑性(STDP)原理的共振模型,通过将神经元群体之间的动态相互作用纳入波动方程来描述自发皮层活动,该模型能够准确预测静息态脑功能连接(FC),包括静息态网络。此外,该模型为脑区之间的自发动力学耦合以低频波动提供了强有力的理论和实验证据。重要的是,它能够解释负的功能相关性如何在共振过程中出现。我们在时域和频域中使用来自人类连接组计划(HCP)S1200发布的大型受试者队列(1038)测试了该模型,该模型表现出优于现有特征分解模型的性能。
2022-10-07 q-bio.NC
Segmentation algorithms and modeling of recurrent bursting events in neuronal and glial time series
本文综述神经元与胶质细胞时间序列分析方法,介绍事件分割算法及基于突触可塑性和后超极化的神经元群体模型,阐明模型校准与参数提取方法,及其在预测回路行为参数影响方面的应用。
2024-11-01 cond-mat.dis-nn q-bio.NC q-bio.QM
A Hebbian/Anti-Hebbian Network Derived from Online Non-Negative Matrix Factorization Can Cluster and Discover Sparse Features
尽管我们对神经元的生物物理特性有广泛的了解,但还没有普遍接受的神经元功能的算法理论。在这里,我们探讨的假设,单层神经网络进行在线对称非负矩阵分解(SNMF)的相似性矩阵的流数据。通过从SNMF成本函数开始,我们推导出一种在线算法,该算法可以由具有局部学习规则的生物学上合理的网络来实现。我们证明,这样的网络执行软聚类的数据,以及稀疏特征发现。衍生的算法复制了许多已知的方面的感觉解剖和生物物理特性的神经元,包括单极性质的神经元活动和突触的权重,本地突触可塑性规则和累积神经元活动的学习率的依赖性。因此,我们朝着神经元功能的算法理论迈出了一步,这将有助于大规模神经电路模拟和生物启发的人工智能。
2015-03-02 cs.NE q-bio.NC stat.ML
Astrocytes as a mechanism for meta-plasticity and contextually-guided network function
Washington University in St. Louis(圣路易斯华盛顿大学);University of California at Riverside(加州大学河滨分校)
本文提出神经元-星形胶质细胞相互作用的计算模型,揭示其通过时间尺度分离的嵌套反馈实现元可塑性,在bandit强化学习任务中显著提升多情境下的学习可靠性。
2023-11-10 cs.AI q-bio.NC
Time-Integrated Spike-Timing-Dependent-Plasticity
本研究提出时间积分型脉冲时间依赖可塑性TI-STDP模型,理论证明其突触调节特性,实验验证其在脉冲神经网络无监督学习中效果优于经典STDP变体,且无需追踪大时间窗口脉冲或维护额外迹变量,为神经形态模型信用分配提供新方案。
2024-07-13 q-bio.NC
Clique of functional hubs orchestrates population bursts in developmentally regulated neural networks
最近发现,单个神经元刺激可以影响未成熟和成年神经元回路中的网络动力学。在这里,我们报告了一种新的机制,它可以解释在神经元回路,在发展的早期阶段,一些特定的神经元在促进/阻止人口活动所发挥的特殊作用。为此,我们考虑一个标准的神经网络模型,短期突触可塑性,其人口活动的特点是突发行为。在神经元连接性和兴奋性的分布中添加发育启发的约束和相关性导致功能中枢神经元的出现,其刺激/删除对于网络活动至关重要。功能枢纽形成了一个集团,其中神经元的精确顺序激活对于点燃集体事件至关重要,而不需要任何特定的拓扑结构。阈上细胞的无监督时滞放电,与阈下神经元的协调放电有关,是协调的关键因素。
2014-09-05 cond-mat.dis-nn physics.bio-ph q-bio.NC
Topology-Dependent Emergence of Polychronous Neuronal Groups: A Recurrence-Plot Characterization
Complex Systems Modelling Graduate Program, School of Arts, Sciences and Humanities (EACH), University of São Paulo(圣保罗大学艺术与人文科学学院复杂系统建模研究生项目);Department of Physics, Faculty of Philosophy, Sciences and Letters of Ribeirão Preto (FFCLRP), University of São Paulo(圣保罗大学里贝朗普雷图哲学、科学与文学院物理系)
通过模拟Izhikevich神经元网络,发现聚类系数是多时序神经元群数量的主要结构驱动因素,小世界拓扑为最优结构,并引入递归图框架实现无标签识别。
2026-06-25 nlin.AO q-bio.NC
Spike-timing-dependent plasticity with axonal delay tunes networks of Izhikevich neurons to the edge of synchronization transition with scale-free avalanches
在过去的二十年里,临界脑假说在实验和理论神经科学中都得到了广泛的研究。然而,仍然存在一些重要的问题:(1)大脑运作的临界点是什么?(ii)是什么样的调控机制导致并维持了这种临界状态?(iii)临界状态的特点是尺度不变的行为,这似乎是在明确的脑振荡不一致?在这项工作中,我们考虑了一个生物动机的模型Izhikevich神经元网络与化学突触通过尖峰时间依赖可塑性(STDP)以及轴突的时间延迟相互作用。在一般和生理相关的条件下,我们表明,该系统是有组织的,并保持在一个同步过渡点,而不是与吸收状态相变的活动过渡点。然而,这样一个国家表现出实验相关的迹象,包括无标度雪崩的临界动力学与有限大小的缩放以及分支比。虽然系统显示具有高度相关波动的随机振荡,但它也显示被视为功率谱中的尖峰的主导频率模式。STDP的作用以及时间延迟是至关重要的,在实现和维持这种关键的动态,而抑制的作用是不重要的。这样,我们就可以对上述三个问题提供明确的答案。我们还表明,可以实现超临界或亚临界动力学,如果一个改变与轴突传导的平均时间延迟。
2019-07-22 nlin.AO q-bio.NC
Adaptive whitening with fast gain modulation and slow synaptic plasticity
Center for Computational Neuroscience, Flatiron Institute(Flatiron Institute计算神经科学中心);Center for Neural Science, New York University(纽约大学神经科学中心);Neuroscience Institute, NYU Langone Medical School(纽约大学朗格尼医学院神经科学研究所)
本文提出一个多时间尺度机制模型,将快速增益调制与慢速突触可塑性统一起来,通过分解逆白化矩阵实现自适应统计白化,并在合成与自然数据上验证了突触长期学习对短期增益适应的支持作用。
2023-10-26 cs.AI cs.LG q-bio.NC
Spike-based alignment learning solves the weight transport problem
Department of Physiology, Bern University(伯尔尼大学生理学系);Neural Computation Unit, Okinawa Institute of Science and Technology(冲绳科学技术大学院大学神经计算单元)
本文提出基于尖峰的对齐学习方法,利用尖峰时间统计消除有效互惠连接间的不对称性,提升spiking网络在权重传输问题中的性能。
2026-04-08 cs.ET cs.LG cs.NE
An Operating Principle of the Cerebral Cortex, and a Cellular Mechanism for Attentional Trial-and-Error Pattern Learning and Useful Classification Extraction
本文修订并扩展了新皮层锥体神经元的细胞级分类学习假设,引入BTSP规则与注意力机制,提出基于不同兴奋途径的四种神经元兴奋分类,并探讨微柱束内树突的去极化耦合机制。
2025-02-02 physics.bio-ph q-bio.NC
Ultra-Sharp Nanowire Arrays Natively Permeate, Record, and Stimulate Intracellular Activity in Neuronal and Cardiac Networks
具有高时空分辨率的细胞内访问可以增强我们对神经元或心肌细胞如何调节和协调网络活动的理解,以及这种活动如何受到药理学或其他干预方式的影响。纳米级设备通常采用电穿孔来瞬时渗透细胞膜并记录细胞内电位,细胞内电位往往会随着时间的推移迅速降低至细胞外电位振幅。在这里,我们报告了创新的可扩展的,垂直的,超尖锐的纳米线阵列,可单独寻址,以实现长期的,天然的细胞内电位记录。我们报告了大的动作电位幅度,这表明在记录的几天内从神经元和心肌细胞的3D组织样网络进入细胞内,并且在记录的几分钟内不会降低到细胞外幅度。我们的研究结果与横截面显微镜,药理学和电干预验证。我们的实验和模拟表明,个人的电寻址能力的纳米线是必要的高保真细胞内电生理记录。这项研究推进了我们对高质量多通道细胞内记录的理解和控制,并为预测,高通量和低成本的电生理药物筛选平台铺平了道路。
2021-07-05 cond-mat.mtrl-sci physics.bio-ph physics.med-ph