Emergence of radial orientation selectivity: Effect of cell density changes and eccentricity in a layered network
Linsker先前的工作揭示了简单细胞如何在没有结构化环境输入的情况下通过自组织学习过程出现。他凭经验证明，空间对立细胞的发展只受输入噪声的驱动，是初始突触连接分布结构的结果。到目前为止，还没有一套完整的径向本征函数提供这种多层网络。本文首次用解析方法导出了三层网络的本征函数和本征值的完整集合。最初，考虑简化的学习方程，其中稳态参数被设置为零。为了将本征函数分析扩展到完整的学习方程，包括非零稳态参数，使用扰动分析。
2020-12-03 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
Synaptic Noise Facilitates the Emergence of Self-Organized Criticality in the Caenorhabditis elegans Neuronal Network
在神经元网络中观察到了具有幂律分布尺寸参数的雪崩。这可能是自组织临界性（SOC）的一种表现。然而，这种行为的生理机制目前尚不清楚。将突触噪声描述为主要源于神经递质释放的概率性质的传输故障，本研究探讨了这种噪声作为驱动神经元网络的功能结构向SOC的机制的潜力。为此，一个简单的有限状态神经元模型，具有活动依赖性和突触特异性故障概率，是基于已知的线虫Ceanorhabditis elegans的解剖连接数据建立的。从随机值开始，观察到突触噪声水平挑选出一组突触，从而产生幂律分布的神经元雪崩的活跃子网络。这项研究的结果提出了一种可能性，即突触失效可能是神经元网络中SOC的生理过程的一个组成部分。
2017-05-22 q-bio.NC
Emergence of slow collective oscillations in neural networks with spike timing dependent plasticity
研究了具有锋电位时间依赖可塑性（STDP）的兴奋性脉冲耦合神经元的集体动力学。STDP的引入诱导强同步状态和弱同步状态之间的持续不规则振荡，让人想起慢波睡眠期间的大脑活动。我们用一种机制来解释这种振荡，即西西弗斯效应，它是由突触调节和神经放电的一致性之间的连续反馈引起的。由于这种效应，突触权重具有振荡的平衡值，这阻止了系统松弛到稳定的宏观状态。
2013-04-24 cond-mat.dis-nn q-bio.NC
Long-range synchrony and emergence of reentry in neural networks
跨越长神经距离的同步是一种重要的功能现象。为了获得远程同步的机制基础，我们构建了一个实验模型，该模型能够在皮层中子的大型随机网络中监测厘米尺度距离上的尖峰活动。我们发现，在这些距离的同步模式取决于长度尺度，$λ$，这是最小的路径，活动应通过满足其原点准备重新激活之前。当$λ$在实验上大于网络的物理尺寸时，远处的神经元群体同步运作，引起不规则发生的网络范围内的事件，持续数百毫秒到几秒。相反，当$λ$接近网络的维度时，出现了连续的自我维持的再入传播，这是一种以精确的时空模式（“同步点火链”）为标志的规则动力学模式，可能持续数分钟。这些结果有助于讨论正常和病理状态下不同神经同步模式的起源
2016-06-06 q-bio.NC
Emergence and Synchronization in Chaotic Oscillators and in the Human Cortical Network
当我们观察周围的世界时，我们看到的是复杂的物理系统和涌现的现象。当一个系统被观察到具有其部分本身所不具有的属性时，涌现就发生了。只有当这些部分在更广泛的整体中相互作用时，这些属性或行为才会出现。涌现的例子可以从挂在同一面墙上的摆钟的同步到作为化学涌现性质的生命现象。自然界中最复杂的系统之一是人类的大脑。它平均包含1000亿到2000亿个神经元和大约100万亿个连接它们的突触。从这种巨大的神经元动力学中，学习和存储记忆的能力以及具有复杂认知技能，有意识体验和自我意识的能力出现了。在这项工作中，我们研究了复杂的系统，如人脑和混沌系统如何创造紧急属性。为了做到这一点，我们使用了网络理论（论文1），混沌和同步理论（论文2和3）。
2021-05-22 nlin.AO nlin.CD q-bio.NC
Local inhibitory plasticity tunes global brain dynamics and allows the emergence of functional brain networks
丰富的，自发的大脑活动已经在不同的时间和空间尺度上被观察到。这些动力学被认为对有效的神经功能很重要。实验证据表明，这些神经动力学在各种不同的认知状态下保持不变，以响应环境的改变和大脑结构的变化（例如，在个体、发育和许多神经系统疾病中）。这表明大脑已经进化出了稳定动态并在一系列情况下保持动态的机制。在这里，我们采用局部稳态抑制可塑性机制，平衡抑制和兴奋性活动的宏观大脑活动模型的基础上白质结构连接。我们证明，除了稳态可塑性调节网络活动，并允许出现丰富的，自发的动态在一系列的大脑配置。此外，稳态可塑性的存在最大化了功能连接的经验和模拟模式之间的重叠。因此，这项工作提出了一个简单的，本地的，生物学上合理的抑制机制，使稳定的动力学出现在大脑中，并促进功能连接网络的形成。
2015-01-20 q-bio.NC
Emergence of Functionally Differentiated Structures via Mutual Information Minimization in Recurrent Neural Networks
Graduate School of Engineering, Fukuoka Institute of Technology（福冈工业技术大学工学研究科）；AIT Center, Sapporo City University（札幌城市大学AIT中心）；Faculty of Information Engineering, Fukuoka Institute of Technology（福冈工业技术大学信息工程学院）
本研究提出通过互信息神经估计最小化循环神经网络子群间互信息的方法，在两类任务中验证其可诱导功能分化，发现功能专门化早于并可能驱动结构重组，为脑发育机制提供新见解。
2025-10-17 nlin.AO q-bio.NC
Emergence of slow-switching assemblies in structured neuronal networks
揭示神经元网络中连通性和时空动力学之间的相互作用是推进我们对神经元信息处理理解的关键一步。在这里，我们研究了网络连接的特定特征如何支持神经网络产生慢开关组装（SSA）动力学的倾向，即，在神经元组件内持续增加的放电时期，其在整个网络的不同组件之间缓慢过渡。我们发现，SSA活动的出现与非对称突触权重矩阵的光谱特性有关。特别是，主导的特征值，决定了缓慢的动态表现出相对于大部分的频谱的差距，和相关的舒尔向量表现出块定位的神经元组的措施，从而导致在这些群体的相干动力学活动。通过简单的速率模型，我们获得的频谱间隙的起源和重要性的分析理解，并使用这些见解来开发新的网络拓扑结构与替代连接的范例，也显示SSA活动。具体而言，SSA动力学涉及兴奋性和抑制性神经元可以通过修改两种类型的神经元之间的连接模式来实现。我们还表明，SSA活动可以发生在多个时间尺度上，反映了层次的连接，并证明了SSA的出现在小世界网络。我们的工作为理解网络结构（通过神经解剖学和连接组学的进步而发现）如何影响时空神经活动并限制由此产生的动态提供了一个步骤。
2015-07-20 cond-mat.dis-nn nlin.PS q-bio.NC
Emergence of Symbols in Neural Networks for Semantic Understanding and Communication
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
针对深度神经网络在生成高级认知符号上落后于人类的问题，提出符号涌现人工网络（SEA-net），通过动态配置网络生成具有组合语义的符号以实现通信与理解，为融合连接主义与符号方法提供新框架。
2023-06-25 cs.AI cs.CL cs.SC
Emergence of scale-free properties in Hebbian networks
神经系统的基本“可塑性”（即在不同结构水平上的高适应性）主要基于赫布学习机制，该机制修改了突触连接。这些修改依赖于神经活动，并为神经网络分配特殊的动态行为。神经系统的另一个显著特征是基于尖峰的信息传输，它被认为对噪声是鲁棒的，但它本身是有噪声的：单个神经元的尖峰的方差惊人地大，这可能会破坏赫布机制的充分功能。在本文中，我们专注于网络中的赫布式适应只引起外部随机噪声和研究尖峰时间依赖的突触可塑性。我们表明，这样的“HebbNets”能够开发出广泛的网络结构，包括无标度的小世界网络。这种网络结构的发展可能提供了一个解释的作用，噪音和它的相互作用与赫布可塑性。我们还认为，这个模型可以被看作是著名的Watts-Strogatz和小世界网的偏好连接模型的统一。
2003-08-11 nlin.AO q-bio.NC
Emergence of grid-like representations by training recurrent neural networks to perform spatial localization
Columbia University（哥伦比亚大学）
几十年来，对空间导航背后的神经代码的研究揭示了一组不同的神经反应特性。哺乳动物大脑的内嗅皮层（EC）包含一组丰富的空间相关物，包括使用镶嵌图案编码空间的网格细胞。然而，这些空间表征的机制和功能意义在很大程度上仍然是神秘的。作为理解这些神经表征的一种新方法，我们训练了循环神经网络（RNN），以根据速度输入在2D竞技场中执行导航任务。令人惊讶的是，我们发现网格状的空间反应模式出现在训练的网络中，以及表现出其他空间相关性的单元，包括边界细胞和带状细胞。所有这些不同功能类型的神经元都已在实验中观察到。网格状细胞和边缘细胞出现的顺序也与发育研究的观察结果一致。总之，我们的研究结果表明，网格细胞，边界细胞和EC中观察到的其他可能是一个自然的解决方案，有效地代表空间的神经回路中的主要经常性连接。
2018-03-21 cs.AI cs.NE q-bio.NC
