When Response Variability Increases Neural Network Robustness to Synaptic Noise
已知皮层感觉神经元是高度可变的,在这个意义上,由相同刺激引起的反应经常在不同试验中发生显著变化。这种变异性的起源是不确定的,但它通常被解释为有害的噪声,降低了神经回路的计算精度。在这里,我们调查的可能性,这种反应的可变性可能,事实上,是有益的,因为它可以部分补偿由于网络的突触强度的随机变化而导致的准确性下降。我们研究了两种噪声,反应(或神经元)噪声和突触噪声之间的相互作用,通过分析它们的联合影响的准确性的神经网络训练执行各种任务。我们发现了一个有趣的、通用的相互作用:当突触连接的波动与它们的强度(乘性噪声)成正比时,与没有响应噪声的相同网络相比,输入神经元中一定量的响应噪声可以显著提高网络性能。性能得到增强,因为响应噪声和乘性突触噪声在某些方面是等效的。这些结果在最基本的网络中得到了分析证明,该网络由两个输入神经元和一个输出神经元组成,执行简单的分类任务,但计算机模拟表明,这种现象在广泛的架构中仍然存在,包括经常性(吸引子)网络和执行坐标变换的感觉运动网络。结果表明,反应的可变性可以在不断学习的网络中发挥重要的动态作用。
2005-10-18 cond-mat.dis-nn q-bio.NC
Synaptic shot-noise triggers fast and slow global oscillations in balanced neural networks
Institute of Continuous Media Mechanics, Ural Branch of RAS(连续介质力学研究所,俄罗斯科学院乌拉尔分院);Perm State University(彼尔姆国立大学);Stem Cell and Brain Research Institute U1208(干细胞与脑研究所U1208);CNRS(法国国家科学研究中心)
本文提出涵盖突触散粒噪声的严格平均场理论,预测平衡神经网络中低连接度下经连续或迟滞转变出现的自持全局振荡,其频率可调且机制因连接度而异,可能与伽马节律相关。
2025-05-28 cond-mat.dis-nn q-bio.NC
Competition between synaptic depression and facilitation in attractor neural networks
我们研究了短时程突触抑制和易化之间的竞争对吸引子神经网络动力学性质的影响,使用Monte Carlo模拟和平均场分析。根据抑郁、易化和噪声之间的平衡,网络显示出不同的行为,包括联想记忆和不同吸引子之间的活动切换。我们的结论是,突触易化增强吸引子的不稳定性的方式,(i)加强系统的适应性,以外部刺激,这是在协议与实验,和(ii)有利于检索的信息,在短时间间隔的错误较少。
2006-04-16 q-bio.NC
Mean Field Analysis of Stochastic Neural Network Models with Synaptic Depression
我们研究了突触抑制对随机神经网络宏观行为的影响。通过取两个随机变量的平均值,推导出了这种网络的动力学平均场方程:一个放电状态变量和一个突触变量。在这些方程中,由于两个随机变量是独立的,它们的平均乘积解耦为它们的平均乘积。我们证明了这两个随机变量的独立性,假设突触的重量是1/N的顺序相对于神经元的数量N。利用这些方程,我们导出了具有均匀连接的网络和具有墨西哥帽型连接的环形吸引子网络的宏观稳态方程,并研究了稳态解的稳定性.在具有均匀连接的网络中观察到一个振荡的均匀状态,这是由于一个Hopf不稳定性。对于环形网络,高频扰动不影响系统稳定性。两种机制使非均匀稳态不稳定,导致两个振荡状态。一个图灵不稳定性导致一个旋转的凸块状态,而一个霍普夫不稳定性导致一个振荡的凸块状态,这是以前没有报道。不同的振荡状态发生在一个网络与突触抑制取决于强度的神经元间的连接。
2010-03-05 cond-mat.dis-nn q-bio.NC
Distributed synaptic weights in a LIF neural network and learning rules
Leaky Integrate-and-Fire(LIF)模型是一种具有大量神经元的平均场极限模型,用于描述神经网络。我们考虑由连接性参数(突触权重的强度)构造的非均匀网络,其具有处理具有不同强度的输入电流的效果。我们首先研究网络活动的属性取决于突触权重的分布,特别是它的歧视能力。然后,我们考虑简单的学习规则,并确定它生成的突触权重分布。我们概述了噪声作为选择原则和记忆学习信号的能力的作用。
2017-06-19 math.AP q-bio.NC
A framework for studying synaptic plasticity with neural spike train data
大脑中的学习和记忆是通过神经回路中复杂的、随时间变化的变化来实现的。突触权重随时间变化的计算规则是许多研究的主题,并且没有被精确地理解。直到最近,实验方法的局限性使得大规模测试突触可塑性的假设具有挑战性。然而,随着这些数据的可用性和这些障碍的解除,有必要开发分析技术来验证塑性模型。在这里,我们提出了一个高度可扩展的框架,用于在互连神经元群体中对尖峰训练数据进行任意突触可塑性规则建模。我们把突触权重作为一个(潜在的非线性)动态系统嵌入在一个完全贝叶斯广义线性模型(GLM)。此外,我们提供了一个算法,用于推断突触权重轨迹旁边的GLM和学习规则的参数。使用这种方法,我们进行模型比较的两个建议的变种著名的尖峰定时依赖可塑性(STDP)规则,其中非线性效应发挥了重要作用。在生物物理模拟器NEURON生成的合成数据上,我们证明了我们可以恢复权重轨迹、连接模式和底层学习规则。
2014-11-14 q-bio.NC stat.ML
Multicoding in neural information transfer suggested by mathematical analysis of the frequency-dependent synaptic plasticity in vivo
神经信息处理的两个要素已被初步提出:神经元的放电率和发放时间。在突触可塑性中,尽管依赖于突触前和突触后发放时间的发放时间依赖可塑性(STDP)被认为是最常见的规则,但最近的研究表明,大脑在体内对精确发放时间的抑制性是STDP的关键。因此,放电频率在体内突触可塑性中的重要性再次被认识。然而,关于频率依赖性突触可塑性(FDP)在体内是如何调节的,目前还知之甚少。在这里,我们专注于突触前输入模式,细胞内钙衰减时间常数,和背景突触活动,这取决于神经元类型和大脑中的解剖和生理环境。通过分析基于钙的模型,我们发现,突触的重量取决于这些因素的特点在体内,即使神经元接收相同的输入速率。这一发现表明,在FDP,甚至神经编码在体内的输入频率以外的多方面因素的参与。
2020-01-13 q-bio.NC
Maximum memory capacity on neural networks with short-term depression and facilitation
在这项工作中,我们研究,分析和采用Monte Carlo模拟,几个活动依赖的突触过程,如短期突触促进和抑郁症之间的竞争的影响,在神经网络的最大记忆存储容量。与突触抑制的情况相比,它大大降低了网络存储和检索“静态”活动模式的能力,突触易化增强了不同背景下的存储能力。特别是,我们发现了最佳值的相关突触参数(如神经递质的释放概率或特征促进时间常数)的存储容量可以是最大的,类似于静态突触,也就是说,没有活动依赖的过程。我们的结论是,抑制具有一定易化水平的突触可以恢复静态突触网络的良好检索特性,同时保持动态突触的非线性特性,便于信息处理和编码。
2008-09-11 cond-mat.dis-nn q-bio.NC
Control of neural chaos by synaptic noise
我们研究了神经自动机-或神经生物学启发的细胞自动机-它在不同的存储模式或记忆中表现出混乱的巡回性。这是活动依赖性突触波动的结果,它不断地使吸引子不稳定,并诱导不规则的跳跃到其他可能的吸引子。由此产生的不规则性的性质取决于动态的细节,即突触噪声的强度和在每个时间步同步更新的网络的站点的数量。改变这些细节,不同的政权发生从规则到混乱。在没有外部因素的情况下,混沌行为可以通过调节噪声强度而变得规则。有人认为,类似的机制可能是自然系统中混沌自我控制的起源。
2005-10-01 q-bio.NC
Mesoscopic population equations for spiking neural networks with synaptic short-term plasticity
粗粒度的生物神经网络的微观模型,以获得神经活动的介观模型是迈向多尺度模型的重要一步。在这里,我们扩展了最近的理论介观种群动力学与静态突触的情况下,动态突触表现出短期可塑性(STP)。在假设尖峰到达突触有泊松统计,我们推导出解析随机平均场动力学进行Tsodyks-Markram STP的有限大小的人口之间的有效突触耦合。新的平均场方程既考虑了有限数量的突触,又考虑了神经递质释放概率与可用突触资源分数之间的相关性。与Monte Carlo模拟的微观模型的比较表明,在前馈和经常性网络的介观平均场模型准确地再现随机实现的总突触输入到突触后神经元和帐户之间的随机开关向上和向下的状态,以及人口尖峰。扩展介观人口理论的尖峰神经网络与STP可能是有用的系统减少详细的生物物理模型的皮质微电路的有效和数学上易于处理的平均场模型。
2018-12-21 q-bio.NC
Macro-Micro Inference: Robust Synaptic Classification via Spike-Triggered Extrapolation
Sapienza Università di Roma(罗马大学)
本文提出通过尖峰触发外推方法,利用神经元对的尖峰序列进行双变量推断,实现突触连接的鲁棒分类,验证了在低信噪比下的分类精度。
2026-02-25 math.PR math.ST q-bio.NC
Cell-type-specific synaptic motifs generate coupled mean-variability dynamics in recurrent neural networks
Center for Quantitative Biology, Academy for Advanced Interdisciplinary Studies, Peking University(北京大学前沿交叉学科研究院定量生物学中心);School of Physics, Peking University(北京大学物理学院);Center for Bioinformatics, National Laboratory of Protein Engineering and Plant Genetic Engineering, School of Life Sciences and Center for Quantitative Biology, Academy for Advanced Interdisciplinary Studies,Peking University(北京大学生命科学学院、前沿交叉学科研究院定量生物学中心及蛋白质工程与植物基因工程国家重点实验室生物信息中心);CNRS, LJAD and Institute NeuroMod, Université Côte d’Azur(法国蔚蓝海岸大学神经调节研究所、LJAD及法国国家科学研究中心)
通过构建包含多种细胞类型和非线性响应的随机循环神经网络,推导出多群体平均场方程,揭示链状基序如何整合微观波动影响介观群体动力学,并应用于小鼠初级视觉皮层的异质性活动逆向工程。
2026-08-28 cond-mat.dis-nn cs.NE q-bio.NC
Emergence of resonances in neural systems: the interplay between threshold adaptation and short-term synaptic plasticity
在这项工作中,我们研究了在一定程度的噪声背景神经活动的存在下,通过发放神经元对弱刺激的检测。我们的研究集中在现实的假设,在网络中的突触呈现活动依赖的过程,如短期突触抑制和促进。采用平均场技术以及数值模拟,我们发现,有两种可能的噪声水平,优化信号传输。这一新发现与经典的随机共振理论相反,该理论只能预测一个最佳的噪声水平。我们发现,神经元阈值的非线性动力学和活动依赖性突触机制之间的复杂相互作用是造成这种新现象的原因。我们的研究结果得到证实,采用更现实的FitzHugh-Nagumo神经元模型,显示阈值的变化,以及考虑更现实的突触模型。我们支持我们的研究结果与最近的实验数据随机共振在人类的触觉眨眼反射。
2009-06-03 q-bio.NC
Thermal Impact on Spiking Properties in Hodgkin-Huxley Neuron with Synaptic Stimulus
通过数值模拟Hodgkin-Huxley神经元在突触刺激下发放阈值的温度依赖性,研究了环境温度对神经元发放行为的影响.我们发现,在一个“舒适温度”范围内,发放阈值呈现出全局最小值,此时发放需要最弱的突触强度,这表明神经系统中出现了突触传递的最佳利用。我们进一步探讨了离子通道门控动力学中这种现象的生物物理起源,并讨论了其在神经系统信息处理中可能的生物学相关性。
2007-08-16 q-bio.NC
Beyond Weights: Deep learning in Spiking Neural Networks with pure synaptic-delay training
本文受生物学启发,提出仅训练脉冲神经网络中的突触延迟(权重固定随机或三值)即可通过反向传播达到与传统权重训练相当的性能,并在MNIST和Fashion-MNIST上验证,开辟了更高效训练新范式。
2023-08-29 cs.NE q-bio.NC
The impact of short term synaptic depression and stochastic vesicle dynamics on neural variability
神经变异性在神经编码和神经网络动力学中起着核心作用。突触传递的不可靠性是神经变异性的一个主要来源:突触神经递质囊泡响应于突触前棘波而概率性地释放,并且随机地及时恢复。这个过程的随机动力学与突触前尖峰到达时间的可变性相互作用,以形成突触后反应的可变性。我们使用连续时间马尔可夫链的方法来分析一个模型的短期突触抑郁症的随机囊泡动力学加上三个不同的模型的突触前尖峰:一个模型中,突触前尖峰的时间被建模为泊松过程,一个尖峰发生更经常比泊松过程和一个尖峰发生更不规则。我们使用这种分析来研究如何在突触前脉冲序列的变异性是由短期突触抑制和随机囊泡动力学来确定突触后反应的突触前脉冲序列的变异性。我们发现,定期突触前尖峰增加囊泡释放的平均速率,在一个时间窗口内释放的囊泡的数量是更小的时间窗口比较大的时间窗口的变量,和快速突触前尖峰引起泊松样的变化的突触后反应,即使当突触前尖峰时间是高度非泊松。我们的研究结果补充和扩展了以前报道的理论结果,并为记录数据中观察到的一些趋势提供了可能的解释。
2012-10-25 q-bio.NC
Synaptic plasticity alters the nature of chaos transition in neural networks
Sun Yat-sen University(中山大学);Guangdong Provincial Key Laboratory of Magnetoelectric Physics and Devices, Sun Yat-sen University(广东磁电物理与器件重点实验室,中山大学)
本文提出神经元-突触耦合准势方法,揭示Hebbian学习可使神经网络混沌转变由连续型变为非连续型,而反馈与稳态学习仅调节混沌涨落。
2025-08-12 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
On the Spontaneous Dynamics of Synaptic Weights in Stochastic Models with Pair-Based STDP
我们调查的情况下,连接两个神经细胞的突触尖峰定时依赖可塑性(STPD)。我们开发了一个理论分析的几个STDP规则使用马尔可夫理论。在这种情况下,有两种不同的时间尺度,快速神经活动和较慢的突触权重更新。利用这种时间尺度分离,我们推导出一个单一的突触的重量受到STDP的长时间限制。我们发现,突触前和突触后尖峰的配对模型控制小的外部输入的突触权重动态,兴奋性突触。这一结果意味着,特别是塑性的平均场分析可能会错过一些重要的属性STDP。反Hebbian STDP似乎有利于出现一个稳定的突触权重,但仅适用于高外部输入。在抑制性突触的情况下,配对方案的问题不大,我们观察到的突触权重收敛到一个非空值,只有Hebbian STDP。我们广泛地研究了不同的渐近制度STDP规则,提出了有趣的问题,为未来的工作,自适应神经网络,更一般地说,自适应系统。
2021-11-15 q-bio.NC
Synaptic effects on the intermittent synchronization of gamma rhythms
本研究通过PING振荡模型揭示突触强度不仅影响伽马振荡的平均同步水平,还通过局部与长程连接差异调节同步-去同步交替的时间模式,从而影响神经回路对突触输入的敏感性。
2024-06-30 q-bio.NC
Sequential estimation of intrinsic activity and synaptic input in single neurons by particle filtering with optimal importance density
本文讨论的问题推断的信号和参数,导致神经活动发生。最终的挑战是揭示大脑的连接性,在这里,我们专注于问题的微观视角,其中单个神经元(可能连接到对等网络)是我们研究的核心。唯一可用的观察是从细胞内记录获得的噪声采样电压迹线。我们设计的算法和推理方法,使用随机滤波提供的工具,允许概率的解释和处理的问题。使用粒子滤波,我们能够重建电压的痕迹,并估计辅助变量的时间过程。通过扩展算法,通过PMCMC方法,我们也能够估计隐藏的生理参数,如固有电导或反转电位。最后,但并非最不重要的是,该方法被应用于估计到达靶细胞的突触电导,从而重建突触兴奋/抑制输入轨迹。值得注意的是,这些估计有一个边界实现性能,即使在扣球制度。
2015-11-12 q-bio.NC stat.CO stat.ME
From Chaos to Coherence: Effects of High-Order Synaptic Correlations on Neural Dynamics
该研究针对高阶皮层连接结构与网络动力学关联理论缺失的问题,发现突触连接的三阶及以上循环相关性可抑制混沌、促进振荡或固定活动,且该相变与连接矩阵特征值支撑集尖点形成相关,还建立了活动维度与网络结构的关联。
2025-09-03 cond-mat.dis-nn physics.bio-ph q-bio.NC
One-to-one Mapping between Stimulus and Neural State: Memory and Classification
China Mobile Research Institute(中国移动研究院)
突触强度可以看作是传递冲动的概率,根据突触可塑性,从传递活动到突触强度都可能存在功能。如果函数满足连续性、单调性等约束条件,则神经网络在外界刺激作用下总是趋于不动点,并且在不动点处外界刺激与突触强度之间可能存在一一对应的映射关系。换句话说,神经网络在其突触中“记忆”外部刺激。提出了一种利用这种映射的生物分类器。
2019-04-24 cs.LG q-bio.NC stat.ML
Spatial features of synaptic adaptation affecting learning performance
ETH Zürich(苏黎世联邦理工学院);INFN sez. Naples, Gr. Coll. Salerno(意大利国家核物理研究所那不勒斯分部萨莱诺联合小组)
最近的研究提出,在神经网络的监督学习中,信使分子(如单胺)的扩散可以介导突触的可塑性适应。基于这些发现,我们开发了一个神经学习模型,其中的信号塑性适应被假定为通过细胞外空间传播。本文研究了在神经网络中学习布尔规则的条件。即使是完全兴奋的网络也表现出非常好的学习性能。此外,可塑性适应功能优化性能的调查表明,学习是非常敏感的可塑性适应的程度和突触连接的空间范围。
2017-09-20 cond-mat.dis-nn cs.LG cs.NE
Reconstruction of Sparse Circuits Using Multi-neuronal Excitation (RESCUME)
神经科学的核心问题之一是重建神经回路中的突触连接。神经元上的突触可以通过顺序刺激潜在的突触前神经元同时监测突触后神经元的膜电压来探测。使用这种“蛮力”方法重建大型神经电路是相当耗时且低效的,因为神经电路中的连接是稀疏的。相反,我们建议测量突触后神经元的电压,同时刺激顺序随机子集的多个潜在的突触前神经元。为了从记录的电压中重建这些突触连接,我们应用了最近开发的用于压缩感知的解码算法。与蛮力方法相比,我们的方法保证了显着的时间节省,随着电路的大小而增长。我们使用计算机模拟,以找到最佳的刺激参数,并探讨我们的重建方法在现实的实验条件下,包括噪声和非线性突触整合的可行性。多神经元刺激允许仅从突触后神经元的尖峰活动重建突触连接,即使在亚阈值电压不可用时。通过使用钙指示剂、电压敏感染料或多电极阵列,人们可以同时监测多个突触后神经元的活动,从而并行地映射它们的突触输入,潜在地重建完整的神经回路。
2012-10-04 cs.DS q-bio.NC
Emergence and reconfiguration of modular structure for synaptic neural networks during continual familiarity detection
本研究通过分析Hebbian前馈网络在持续熟悉度检测中的时间动态,发现网络模块化的涌现是性能的关键预测因子,且模块化随学习灵活性增强而增强,从而桥接人工与生物学习理解。
2023-11-10 q-bio.NC q-bio.QM
Synaptic balancing: a biologically plausible local learning rule that provably increases neural network noise robustness without sacrificing task performance
我们引入了一种新的,生物学上合理的局部学习规则,可证明增加了神经动力学的鲁棒性,噪声在非线性递归神经网络具有均匀的非线性。我们的学习规则实现了更高的噪声鲁棒性,而不牺牲任务的性能,也不需要任何特定任务的知识。可塑性动力学--一个在网络权重上运行的可积动力系统--保持了多个守恒量,最值得注意的是网络从输入到输出轨迹的整个时间映射。我们的学习规则的结果是每个神经元的传入和传出突触之间的突触平衡。这种突触平衡规则与实验观察到的异突触可塑性的许多已知方面是一致的,而且使新的实验可检验的预测有关的可塑性在传入和传出突触的个别神经元。总的来说,这项工作提供了一种新颖的,实用的局部学习规则,完全保留了整体网络功能,并在这样做时,提供了新的概念之间的桥梁异突触可塑性的神经生物学,正则化噪声鲁棒网络的工程,和数学的可积Lax动力系统。
2021-07-18 q-bio.NC
Effect of Synaptic Heterogeneity on Neuronal Coordination
本研究通过在网络连接中系统性引入异质性,推导出脉冲神经网络中神经元分辨的协方差预测,揭示了突触异质性在多个数量级上调控神经元协调复杂性的机制。
2024-04-04 cond-mat.dis-nn q-bio.NC
Mean-field approximations of networks of spiking neurons with short-term synaptic plasticity
神经网络动力学的低维描述是一种有效的工具,用于连接不同尺度的大脑结构和功能的组织。最近在推导耦合振子网络的平均场描述方面的进展引发了新一代神经质量模型的发展。值得注意的是所有对所有耦合的二次积分和激发(QIF)神经元的平均场描述,已经看到了许多扩展和应用。这些扩展包括不同形式的短期适应(STA)被认为在大脑中产生和维持感兴趣的动态机制中发挥重要作用。然而,这是一个悬而未决的问题,是否纳入由单个神经元活动驱动的突触可塑性的突触前形式仍然允许使用相同的方法推导平均场方程。在这里,我们讨论这个问题,使用一个既定的模型,短期突触可塑性在单个神经元的水平,我们提出了两种不同的方法来推导的平均场方程。我们比较这些模型与最近提出的平均场近似假设随机尖峰时间。在一般情况下,后者无法准确地再现宏观活动的确定性QIF神经元网络的分布参数。我们表明,我们提出的平均场模型提供了一个更准确的描述的网络动态,虽然他们在数学上更多的参与。通过分叉分析,我们发现具有突触前短时可塑性的QIF网络既可以表现出周期性爆发活动的机制,也可以表现出双稳态机制。总之,我们提供了新的见解短期突触可塑性的宏观影响尖峰神经网络,以及两个不同的平均场描述,为未来的调查,这样的网络。
2021-06-14 cond-mat.dis-nn q-bio.NC
Quantifying information stored in synaptic connections rather than in firing activities of neural networks
The Solomon H. Snyder Department of Neuroscience, Johns Hopkins University(约翰斯·霍普金斯大学索伦·H·斯奈德神经科学系);Department of Psychological and Brain Sciences, Johns Hopkins University(约翰斯·霍普金斯大学心理与脑科学系);Kavli Neuroscience Discovery Institute, Johns Hopkins University(约翰斯·霍普金斯大学卡弗里神经科学发现研究所)
本文提出了一种理论框架,用于量化神经网络突触连接分布中存储的信息,通过Hebbian网络和对数正态分布建模,揭示突触间协同作用及信息存储的双重性。
2026-04-28 cs.IT math.IT physics.bio-ph
Critical Avalanches and Subsampling in Map-based Neural Networks
我们研究了突触噪声作为一种新的机制,在神经网络的活动中产生临界雪崩。我们在突触耦合中加入一个均匀的噪声项,通过动力学映射来模拟神经元和化学突触。利用映射的优点在于,动态特性(动作电位分布、兴奋性特性、突触后电位总和等)不是强加给系统的,而是通过求解系统方程自然发生的。我们讨论了相关的神经元和突触特性,以达到临界状态。我们验证了网络的兴奋性反弹神经元快速突触呈现幂律雪崩。我们还讨论了通过对数据进行二次采样来测量神经元雪崩,从而为神经网络中自组织临界性的实验研究提供了依据。
2013-02-11 cond-mat.dis-nn nlin.AO physics.bio-ph
Artificial Synaptic Arrays Intercoupled by Nanogranular Proton Conductors for Building Neuromorphic Systems
神经元网络中的高度并行过程是通过大量的突触互连来介导的。模仿单突触行为和高度可重构的神经网络变得越来越吸引人和重要。在这里,基于氧化物的人工突触阵列在室温下在P掺杂的纳米颗粒SiO2基质子传导膜上制造。突触可塑性在单个人工突触上得到证实。最重要的是,在没有任何有意的硬连线连接的情况下,这种突触阵列由于电场诱导的横向质子调制而相互耦合。神经网络的自然互连性与距离的相关性很弱,对神经网络的研究具有重要意义。最后,本文还对类脑求和进行了模拟,为构建未来的类脑计算系统提供了一种新的途径。
2013-01-10 cond-mat.mtrl-sci q-bio.NC
Chaos and correlated avalanches in excitatory neural networks with synaptic plasticity
一个集体的混沌阶段与幂律缩放的活动事件中观察到一个无序的平均场网络的纯兴奋性泄漏整合和消防神经元与短期突触可塑性。动态相图表现出两个过渡从准同步和异步制度的非平凡的,集体的,突发制度与雪崩。在无无序的均匀情形下,系统的混沌和突发行为反映为二维离散映射的倍周期混沌转变。数值模拟结果表明,突发混沌相雪崩表现出自发出现的时间相关性和增强的Kolmogorov复杂性。我们的分析揭示了一种机制,从无序和确定性的基础混沌动力学的组合出现的不规则雪崩的产生。
2017-03-17 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
Shaping neural circuits by high order synaptic interactions
发放时间依赖性可塑性(STDP)被认为在神经回路结构的形成中起着重要作用。在这里,我们表明,STDP产生有效的不同神经元的突触之间的相互作用,这是在以前的理论治疗中被忽视,可以被描述为一个总和的贡献结构图案。这些相互作用可以对在STDP影响下出现的连接模式产生关键影响。特别是,我们考虑两种高度有序的结构形式:宽synfire链,其中神经元组依次相互投射,和自连接组件。我们表明,高阶突触相互作用可以使这两种结构的形成,这取决于STDP功能的形式和突触电流的时程。此外,在生物物理参数的一定范围内,有序连接的出现在尖峰神经元的随机网络中鲁棒地且自主地发生,而不需要在学习期间将神经网络暴露于结构化输入。
2016-07-26 q-bio.NC
Predictive coding in balanced neural networks with noise, chaos and delays
生物神经网络面临着一项艰巨的任务:面对单个神经元内在的随机性、不精确的突触连接性和不可忽略的突触传输延迟,进行可靠的计算。对抗这种生物异质性的常见方法涉及对$N$神经元的大冗余网络进行平均,导致编码错误,其经典地减少为$1/\sqrt{N}$。最近的工作证明了一种新的机制,周期性尖峰网络可以有效地编码动态刺激,实现了超经典的缩放,其中编码错误减少为$1/N$。这种特定的机制涉及两个关键思想:预测编码,以及强前馈输入和强循环反馈之间的紧平衡或抵消。然而,平衡预测编码的功效及其对噪声、突触权重异质性和通信延迟的鲁棒性的理论原理仍然知之甚少。为了发现这样的原则,我们引入了一个易于分析的平衡预测编码模型,其中的平衡程度和权重混乱的程度可以分离,不像以前的平衡网络模型,我们开发了一个平均场理论的编码精度。总的来说,我们的工作提供并解决了一个通用的理论框架,用于解剖神经噪声,突触紊乱,混沌,突触延迟和平衡对预测神经代码保真度的差异贡献,揭示了平衡在实现超经典缩放中发挥的根本作用,并统一了理论神经科学中以前不同的模型。
2020-06-25 cond-mat.dis-nn q-bio.NC stat.ML
Context-dependent representation in recurrent neural networks
为了评估非线性随机神经网络的短期记忆性能,我们引入了一种度量来量化神经表示对过去上下文的依赖性。我们研究这一措施的数值和理论上使用随机神经网络的平均场论,显示存在一个最佳水平的突触权重异质性。我们进一步调查的网络拓扑结构的影响,特别是相互突触连接的对称性,这种措施的上下文依赖性,揭示了考虑非线性和连接结构之间的相互作用的重要性。
2016-03-07 cond-mat.dis-nn q-bio.NC
Pairing cellular and synaptic dynamics into building blocks of rhythmic neural circuits
本文的目的是三重的-作为一个指导性的资源和参考目录的生物学合理的建模与i)基于电导的模型,加上ii)强度变化的慢突触模型,最终在iii)两个典型的成对节奏生成网络。我们记录的基本网络组件的属性:细胞模型和突触模型,这是正确的网络组装的先决条件。使用慢-快分解,我们提出了一个详细的分析,包括最相关的分叉的讨论的细胞动力学。还讨论了几种建模突触耦合的方法,并介绍了一种新的慢突触逻辑模型。最后,我们描述并研究了两种类型的双细胞节律产生网络:i)半中心振荡器ii)兴奋-抑制对,并阐明了一个关键原则-网络滞后的基础上,在这些神经构建块的紧急缓慢爆发的稳定发作。这两个细胞网络是我们的游泳中枢模式发生器模型中更复杂的节律发生和功能神经回路的基础。
2022-11-01 math.DS nlin.AO nlin.CD
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
Attractor Dynamics with Synaptic Depression
神经元连接权重表现出短期抑制(STD)。本文研究了STD对连续吸引子神经网络(CANN)动力学的影响及其在神经信息处理中的潜在作用。我们发现,与STD网络可以产生静态和移动颠簸,STD提高了网络的性能,在跟踪外部输入。特别地,我们发现STD赋予网络缓慢衰减的平台行为,即,最初被刺激到活跃状态的网络将在STD的时间尺度上而不是在神经信号的时间尺度上非常缓慢地衰减到沉默。我们认为,这为神经系统提供了一种机制,可以轻松地保持短期记忆,并自然地关闭持续活动。
2010-11-22 cond-mat.dis-nn physics.bio-ph q-bio.NC
Neural networks with dynamical synapses: from mixed-mode oscillations and spindles to chaos
了解短时程突触抑制(STSD)和其他形式的突触可塑性是神经科学中的一个热点问题。在这里,我们研究STSD在形成复杂的脑节律模式中的作用。我们使用一个皮层电路模型的神经网络组成的不规则尖峰兴奋性和抑制性神经元具有1型和2型兴奋性和随机动力学。在该模型中,神经元形成稀疏连接的网络,它们的自发活动由代表突触噪声的随机尖峰驱动。通过模拟和分析计算,我们发现,如果STSD不存在,神经网络会显示异步行为或规则的网络振荡,这取决于噪声水平。在具有STSD的网络中,改变突触可塑性和噪声水平的参数,我们观察到向复杂模式的集体活动的过渡:混合模式和纺锤体振荡,集体活动的爆发和混沌行为。有趣的是,这些图案在一定的参数范围内是稳定的,并由临界边界分隔。因此,突触可塑性的参数可以在不同的网络状态之间起到控制参数或开关的作用。然而,由疾病引起的参数变化可能导致正在进行的神经活动的显著损害。我们通过使用混沌的0 - 1测试(Gottwald,G. &墨尔本,I.,#20004;,并表明它具有集体性。
2012-11-24 cond-mat.dis-nn physics.bio-ph q-bio.NC
Oscillations in Spurious States of the Associative Memory Model with Synaptic Depression
联想记忆模型是一种典型的神经网络模型,它可以将离散分布的定点吸引子作为记忆模式存储。然而,当网络广泛存储记忆模式时,除了记忆模式之外,模型还有其他吸引子。这些吸引子被称为虚假记忆。寄生态和记忆态都是平衡态,所以它们的动力学特性差别不大。近年来的生理实验表明,突触抑制是一种短时动态的突触现象,它根据突触前神经元的活动,降低了突触对突触后神经元的传递效能。以往的研究表明,在有限的温度下,突触抑制会引起网络的振荡,并降低存储容量。然而,突触抑制如何影响虚假状态仍不清楚。我们通过Monte Carlo模拟研究了突触抑制对伪态的影响。结果表明,突触抑制不影响记忆状态,但主要是不稳定的虚假状态和诱导的周期振荡。
2014-05-09 cond-mat.dis-nn q-bio.NC
Equivalent Dynamics from Disparate Synaptic Weights in a Prevalent Visual Circuit
神经反馈-由两个反馈回路组成的三元组,从一个回路到另一个回路具有非互惠的横向连接,在大脑中无处不在。我们分析表明,这个网络拓扑结构的动态是由两个代数组合的五个突触权重。因此,不同的权重设置可以产生等效的网络动态。在二维参数空间上对网络活动的探索表明了非互惠横向连接的重要性,并揭示了涉及性质不同的活动状态之间的连续过渡的复杂行为。此外,我们表明,对周期性输入的响应是狭窄的中心频率附近的两个有效的突触参数确定的调整。
2009-03-17 cond-mat.dis-nn q-bio.NC
STSC-SNN: Spatio-Temporal Synaptic Connection with Temporal Convolution and Attention for Spiking Neural Networks
针对脉冲神经网络突触结构难以建模时间依赖的问题,本文提出融合时间卷积与注意力的STSC-SNN,在多个神经形态数据集上取得近全面领先的分类准确率。
2022-10-11 cs.NE q-bio.NC stat.ML
Stochastic synaptic dynamics under learning
Bernstein Center for Computational Neuroscience(伯恩施坦计算神经科学中心);Physics Department of Humboldt-Universität zu Berlin(柏林洪堡大学物理系);Institute for Theoretical Biology, Department of Biology, Humboldt-Universität zu Berlin(柏林洪堡大学生物学院理论生物学研究所);Einstein Center for Neurosciences Berlin(柏林爱因斯坦神经科学中心)
本文提出了一种基于突触时依赖性可塑性(STDP)的随机突触动力学模型,通过分析突触权重的随机过程,揭示了记忆退化的时间进程和记忆容量的计算方法。
2026-01-13 cond-mat.dis-nn physics.bio-ph q-bio.NC
Exact neural mass model for synaptic-based working memory
开发了一种精确重现异质放电网络动力学的神经质量模型,通过突触促进与抑制机制模拟工作记忆操作,揭示了记忆容量与呈现速率的关系及脑电信号特征。
2020-10-14 cond-mat.dis-nn math.DS nlin.AO
Pre-Synaptic Pool Modification (PSPM): A Supervised Learning Procedure for Spiking Neural Networks
学习脉冲神经网络(SNN)模型的突触权值是计算神经科学和基于脉冲的计算中的一个核心问题。最佳权重值的发现可以被视为监督学习任务,其中选择模型网络的权重以最大化目标尖峰序列与模型输出之间的相似性。它仍然在很大程度上是未知的,是否优化尖峰训练相似性的高度经常性SNN产生的权重矩阵相似的地面实况模型。为此,我们提出了灵活的启发式监督学习规则,称为前突触池修改(PSPM),它依赖于随机权重更新,以便在所需时间的短窗口内产生尖峰,并消除此窗口外的尖峰。PSPM提高了所有对所有SNN的尖峰训练相似性,并且由于不需要梯度,因此不假设神经元的突触后电位或网络的结构。我们测试是否优化尖峰训练相似性需要发现准确的权重,并探讨本地和稳态权重更新的相对贡献。虽然PSPM提高了尖峰序列之间的相似性,但学习的权重通常与地面真实模型的权重不同,这意味着从尖峰数据进行连接体推断可能需要对连接统计进行额外的约束。我们还发现,尖峰训练相似性是敏感的本地更新,但其他措施的网络活动,如雪崩分布,可以通过突触稳态学习。
2019-10-08 cs.NE q-bio.NC
Weakly-correlated synapses promote dimension reduction in deep neural networks
Sun Yat-sen University(中山大学)
通过控制突触和神经相关性,深度学习在提高分类性能方面取得了经验性成功。突触相关性如何影响神经相关性以产生解开的隐藏表征仍然是难以捉摸的。在这里,我们提出了一个简化的降维模型,考虑到突触之间的成对相关性,揭示突触相关性如何影响降维的机制。我们的理论确定的突触相关缩放形式只需要数学的自洽性,二进制和连续突触。该理论还预测,弱相关的突触与正交的突触相比,会促进维度的降低。此外,这些突触减缓了沿网络深度的去相关过程。这两个计算的角色解释所提出的平均场方程。理论预测与数值模拟非常一致,并且通过使用Hebbian规则的深度学习也捕获了关键特征。
2020-06-20 cond-mat.dis-nn cond-mat.stat-mech cs.LG
Optimal self-induced stochastic resonance in multiplex neural networks: electrical versus chemical synapses
电突触和化学突触塑造了神经网络的动力学,它们在信息处理中的功能作用一直是神经生物学中的一个长期问题。在本文中,我们研究的作用,突触的自诱导随机共振现象的优化延迟多路神经网络,通过使用解析和数值方法。我们考虑一个两层多路复用网络,其中在层内水平的神经元耦合的电突触或抑制性化学突触。对于每一个孤立的层,计算表明,较弱的电和化学突触耦合是更好的自诱导随机共振的优化。此外,不管突触强度如何,发现较短的电突触延迟比较短的化学突触延迟更好地优化了该现象,而较长的化学突触延迟比较长的电突触延迟更好地优化了该现象-在这两种情况下,较差的优化器实际上是最差的。据发现,电,抑制性,或兴奋性化学复用的两个层只有电突触在层内的水平可以优化的现象。并且只有在层内水平上仅具有抑制性化学突触的两个层的兴奋性化学复用可以优化该现象。这些结果可以指导旨在建立或确认人工神经回路网络以及实际生物神经网络中的自诱导随机共振机制的实验。
2020-06-13 nlin.AO q-bio.NC
Statistics of spikes trains, synaptic plasticity and Gibbs distributions
我们引入了一个数学框架,可以分析神经网络在突触可塑性下进化产生的尖峰列车的统计数据。
2008-10-22 cond-mat.stat-mech math-ph math.MP
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
Stochastic Spike Synchronization in A Small-World Neural Network with Spike-Timing-Dependent Plasticity
我们考虑由阈下神经元组成的Watts-Strogatz小世界网络,该网络表现出噪声诱导的尖峰脉冲。这种神经元网络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。在以前的作品没有STDP,随机尖峰同步(SSS)之间的噪声诱导的尖峰的阈下神经元被发现发生在一个范围内的中间噪声强度通过竞争之间的建设性和破坏性的作用的噪声。在这里,我们研究的效果添加剂STDP上的SSS通过改变噪声强度。发现突触可塑性中的“马太”效应的发生是由于正反馈过程。结果,好的同步通过突触强度的长时程增强(LTP)变得更好,而差的同步通过长时程抑制(LTD)变得更差。通过对突触前和突触后瞬时个体发放率(IISR)之间的配对相关性以及突触前和突触后发放时间之间的时间延迟分布的微观研究,深入研究了突触强度的LTP和LTD的出现。此外,与加性STDP的情况相比,还研究和讨论了乘法STDP(这取决于状态)对SSS的影响。
2017-08-14 q-bio.NC
Global stability of a Hebbian/anti-Hebbian network for principal subspace learning
Baylor College of Medicine(贝勒医学院);Rice University(莱斯大学)
本文研究了Hebbian/anti-Hebbian网络在主子空间学习中的全局稳定性,证明了突触动态在两个阶段的演化特性。
2026-01-19 cs.NE math.DS q-bio.NC
Correlation structure of stochastic neural networks with generic connectivity matrices
利用弱突触权重和弱随机源的微扰展开,我们计算了具有一般连接矩阵的神经网络的相关结构。详细地说,微扰参数是突触权重的平均值和标准偏差,以及膜电位的背景噪声及其初始条件的标准偏差。我们还展示了当突触连接具有随机拓扑时,如何确定系统的相关结构。这种分析是在Wilson和Cowan方程描述的速率神经元上进行的,因为这使我们能够找到解析结果。此外,微扰展开可以在任何阶和一般的连接矩阵。最后,我们展示了将该技术应用于突触连接的生物相关拓扑结构的特定情况的示例。
2013-07-10 math.DS q-bio.NC
Variable Synaptic Strengths Controls the Firing Rate Distribution in Feedforward Neural Networks
已知放电率统计的异质性对神经编码具有严重后果。最近的实验记录在弱电鱼表明,分布宽度的浅锥体细胞放电率(审判和时间平均)在electrosensory侧线叶(ELL)取决于刺激,网络输入可以介导的变化,在整个人口的放电率分布。我们以前开发的理论方法来了解两个属性(突触和内在异质性)如何相互作用,并改变了群体的整合和消防神经元与随机经常性耦合的放电率分布。受我们实验数据的启发,我们将这些理论结果扩展到延迟前馈尖峰网络,该网络定性地捕获在体内记录中观察到的发射率异质性的变化。我们展示了异质性的神经属性如何改变放电率的异质性,占各种感官刺激的效果。该模型预测的有效网络连接的强度是如何与内在的异质性,在这种延迟前馈网络:前馈输入的强度是正相关的兴奋性(尖峰的阈值)与低发射率的异质性和负相关的兴奋性与高发射率的异质性。我们还展示了我们的理论如何用于预测有效的神经结构。我们证明,神经属性不以简单的方式相互作用,而是在一个复杂的刺激依赖的方式来控制神经异质性,并讨论它如何最终塑造人口代码。
2017-08-11 q-bio.NC
Synaptic clock as a neural substrate of consciousness
在这一理论工作的时间方面的意识进行了分析。我们从这样一个概念出发:尽管意识经验似乎在不断变化,但要使它的任何内容被有意识地感知,它们必须持续某个非零的持续时间,这似乎构成了某种冲突。我们认为,就意识的现象学分析而言,时间方面,特别是这种明显的冲突,可能是最基本的属性,可能是任何可以想象的意识形式所固有的。然后概述了如何采取这种观点提供了一个具体的方式,直接与意识的学习和记忆的神经可塑性机制的属性,并指定如何准确的主观经验可能与信息整合的过程。特别是,我们提出突触时钟构成一个内容特定的神经基板的意识,解释它将如何对应于这个时间方面。然后,我们提出了一个观点,在主观时间的时刻有不同的持续时间,这取决于信息处理的类型,成比例的时间单位相应的突触时钟,并在原则上不同的大脑区域和神经系统在不同的动物物种。这种观点的时间意识的外延模型的关系和可能的贡献进行了讨论。最后,我们考虑两种不同的观点的结构,即一个静态的和动态的,并认为有利于后者,提出意识可以最好地理解,如果变化被认为是唯一的维度。
2022-03-05 q-bio.NC