Graded persisting activity of heterogeneous neuron ensembles subject to white noises
干扰，如噪声和参数的异质性的影响进行了研究，对集体神经元的放电活动，其中每一个都是由扩展的Morris-Lecar模型描述的，显示了一个包括${\rm Ca}^{2+}$依赖的阳离子电流的帮助下，分级持续放电。虽然{ \it single}神经元的持续活动在某种意义上是相当鲁棒的，即使在存在分心的情况下也能实现活动，但持续放电的分级频率容易受到分心的影响。然而，已经表明，{ \it集合}神经元的分级持续活动对于池化（集合）效应的分心变得更加鲁棒。耦合的引入增强了集合神经元放电的同步性，有利于靶神经元的放电。
2004-01-22 q-bio.NC
Comparison of Langevin and Markov channel noise models for neuronal signal generation
电压门控离子通道的随机打开和关闭在神经元中产生噪声。这种噪声对神经元性能的影响已经使用近似或Langevin模型建模，基于随机微分方程或精确模型，基于信道门控的马尔可夫过程模型。然而，朗之万模型是否准确地再现了马尔可夫模型产生的信道噪声仍不清楚。在这里，我们提出了一个比较Langevin和马尔可夫模型的通道噪声在神经元中使用单室霍奇金-赫胥黎模型包含$Na^{+}$和$K^{+}$，或只有$K^{+}$电压门控离子通道。Langevin和马尔可夫模型的性能进行了量化的范围内的刺激统计，膜面积和通道数。我们发现，在马尔可夫模型相比，郎之万模型低估了电压门控离子通道的噪声，高估了信息率的尖峰和非尖峰膜。即使随着通道数量的增加，两种模型之间的差异仍然存在。这表明朗之万模型可能不适合准确模拟神经元中的通道噪声，即使在具有大量离子通道的模拟中也是如此。
2009-12-16 q-bio.NC
Complexity Leads to Simplicity: A Consensus Layer V Pyramidal Neuron Can Sustain Interpulse-Interval Coding
就单个神经元的长距离通信而言，脉冲间隔（IPI）是速率和二进制代码的可能替代方案。作为IPI的代表，神经元的尖峰时间（TTS）可以在生物物理和实验文献中找到。使用当前的，共识层V锥体神经元，本研究探讨IPI编码的可行性，并探讨限制这种编码的信息速率的噪声源。按噪声强度降序排列，噪声源为（i）突触变异性，（ii）钠通道散粒噪声，然后是（iii）热噪声，突触噪声远大于钠通道噪声。更重要的是，生物物理模型表明输入强度和逆TTS之间的线性关系。这种线性观察与神经元应被视为被动电子电路（如Stein模型中的RC电路）的假设相矛盾。最后，生物物理模拟允许计算互信息，其为约3.0比特/尖峰。
2016-09-26 q-bio.NC
Noise, transient dynamics, and the generation of realistic interspike interval variation in square-wave burster neurons
首先，生成重复脉冲串的生物神经元的尖峰间期的返回图可以显示刻板的结构（神经元签名）。这种结构与产生和控制节律运动模式的神经网络中的多编码和多功能性的可能性有关。在某些情况下，将神经元从它们的突触网络中分离出来，揭示了不规则的、复杂的特征，这些特征被认为是内在混沌行为的证据。我们发现，将动态噪声纳入最小神经元模型的方波爆发（无论是基于电导或抽象）产生的签名类似于在生物学的例子中观察到的，而不需要微调的参数或特设的结构诱导混沌活动。随机项的形式不受强烈约束，并且可以近似几种可能的噪声源，例如随机通道门控或突触轰击。这个签名生成机制的基石是丰富的，短暂的，但确定性的动力学固有的方波（鞍结/同宿）模式的神经元爆发。我们表明，噪声导致动态填充一个复杂的瞬态脚手架或骨架在状态空间中，即使是模型（没有添加噪声）只产生周期性活动（无论是在突发或强直尖峰模式）。
2014-07-03 q-bio.NC
The interplay of common noise and finite pulses on biological neurons
本研究探讨了高斯白噪声和有限脉冲宽度对两个LIF神经元最小网络的影响，发现其同步放电行为在超过临界值时会突变为异步状态，并伴随滞后现象。
2024-01-07 q-bio.NC
Stochastic resonance in three-neuron motifs
随机共振是一种非线性现象，通过在信号检测器的输入中加入随机噪声可以提高信号检测器的灵敏度。在这里，我们证明了噪声也可以改善递归神经网络中的信息流。特别是，我们证明了三个神经元图案的情况下，连续的网络状态之间的互信息可以通过添加适量的噪声的神经元输入最大化。这一惊人的结果表明，大脑中的噪音可能不是一个需要抑制的问题，而是一种被动态调节的资源，以优化信息处理。
2018-11-29 q-bio.NC
Noise-assisted spike propagation in myelinated neurons
我们考虑噪声辅助的棘波传播的有髓轴突内的多室随机Hodgkin-Huxley模型。噪声来源于朗维尔的每个节点中的有限数量的离子通道。对于亚阈值结间的电耦合，我们表明，（i）固有噪声消除了尖锐的定义的阈值从节点到节点的尖峰传播，和（ii）存在一个最佳数量的离子通道，允许最有效的信号传播，它对应于实际的生理值。
2008-11-20 q-bio.NC
Effect of Cauchy noise on a network of quadratic integrate-and-fire neurons with non-Cauchy heterogeneities
针对受 Cauchy 噪声与非 Cauchy 异质输入驱动的脉冲耦合 QIF 神经元网络，推导两类参数化分布下的精确平均场方程并开展分岔分析，揭示噪声与异质性对集体动力学的不同作用。
2023-04-17 q-bio.NC
Direct coupling and inhomogeneity assist neurons to detect correlation in low amplitude noises
我们解决了一个问题的影响，共同的随机输入的相关性的尖峰列车的两个神经元时，他们可能是不相同的，并通过直接连接耦合。我们发现，当神经元通过直接兴奋性耦合连接时，可以更好地检测到低幅度随机输入的相关性的变化。根据神经元是相同的还是略有不同，对称或非对称连接可以通过在给定的输入相关性范围内改变相关性传递函数的平均斜率来增加系统对输入相关性的灵敏度。在任何一种情况下，也有一个最佳值的突触强度，最大限度地提高了系统的灵敏度，在输入相关性的变化。
2013-04-23 q-bio.NC
A Few-Shot Metric Learning Method with Dual-Channel Attention for Cross-Modal Same-Neuron Identification
Huazhong University of Science and Technology（华中科技大学）；HUST-Suzhou Institute for Brainsmatics（华中科技大学苏州脑空间信息研究院）；Hainan University（海南大学）
提出一种融合双通道注意力与预训练视觉变换器的少样本度量学习方法，通过难样本挖掘和Circle Loss实现跨模态神经元识别，在双光子和fMOST数据集上取得更优的Top-K准确率与召回率。
2025-04-23 cs.CV q-bio.NC
Multi-Scale Codes in the Nervous System: The Problem of Noise Correlations and the Ambiguity of Periodic Scales
使用有噪声的计算单元对关于连续变量的信息进行编码是一个挑战;尽管如此，渐近理论表明，尽管噪声的破坏性影响，组合多个周期尺度进行编码可以是高度精确的（Mathis et al.，物理修订版信函2012年）。事实上，皮层似乎使用这种随机的多尺度周期性“网格代码”来准确地表示位置。我们在这里展示了如何在不考虑渐近极限的情况下读出这些代码;即使在短时间尺度上，神经元网格代码的精度也会在神经元的数量N中呈指数级变化。这一发现是否也适用于统计上不独立的神经元？为了评估生物网格代码受统计依赖性影响的程度，我们分析了行为啮齿动物中网格代码神经元对之间的噪声相关性。我们发现，如果两个神经元的网格对齐，并具有相同的长度尺度，神经元之间的噪声相关性可以达到0.8。随着两个神经元网格之间失配的增加，噪声相关性迅速下降。将这种相关性转化为群体编码模型揭示了相关性降低了分辨率，但分辨率与N的指数缩放不受影响。
2013-05-28 q-bio.NC
Impact of intrinsic biophysical diversity on the activity of spiking neurons
我们研究了一个群体的泄漏整合和消防神经元的活动的内在异质性的影响。通过重新调整动力学方程，我们推导出多个神经元参数和波动的输入噪声之间的数学关系。为此，异质神经元的共同输入被认为是具有神经元特异性均值和方差的相同噪声。因此，神经元的输出速率可以有很大的不同，它们的相对尖峰时间变得去同步化。这个理论可以定量地解释最近的一些实验结果。
2013-02-19 q-bio.NC
Effects of noise on leaky integrate-and-fire neuron models for neuromorphic computing applications
人工神经网络（ANN）已被广泛用于描述生物系统中出现的问题，并用于构建神经形态计算模型。第三代人工神经网络，即尖峰神经网络（SNN），受生物神经元的启发，能够更逼真地模拟人脑。这些领域的一大类问题的特征在于需要通过集成和激发神经元模型来处理神经元、尖峰和突触的组合。受神经元的积分和点火在生物医学研究中的神经形态计算中的重要应用的启发，目前工作的主要重点是分析加性和乘性类型的随机输入电流以及随机不应期对泄漏积分和点火（LIF）突触神经元电导模型的影响。我们的分析是通过朗之万随机动力学在一个数值设置描述细胞膜电位。我们提供的模型的细节，以及有代表性的数值例子，并讨论了噪声的影响的膜电位的时间演化以及在LIF突触电导模型仔细检查神经元的尖峰活动。此外，我们的数值结果表明，在LIF突触传导系统中的随机不应期的存在下，可能会大大影响输出神经元的脉冲序列的不规则性增加。
2022-05-18 q-bio.NC
Channel Noise Effects on Neural Synchronization
神经网络中的同步与认知过程的实现密切相关，但异常的神经元同步与许多大脑疾病如癫痫和精神分裂症有关。在这里，我们研究了信道噪声对小Hodgkin-Huxley神经元网络同步的影响。Hodgkin-Huxley神经元的主要特征是存在蛋白质通道，其以电压依赖性速率常数在开放和闭合状态之间转变。Hodgkin-Huxley模型假设无限多个通道，因此开放通道数量的波动不会影响电压。然而，真正的神经元有许多通道，这些通道导致膜电压的波动并修改尖峰的时间，这反过来可能导致同步程度的巨大变化。我们证明了在温和的条件下，网络中的神经元达到稳态同步水平，仅取决于网络中的神经元的数量。信道噪声仅影响达到稳态同步水平所需的时间。
2020-02-26 q-bio.NC
Transient Information Flow in a Network of Excitatory and Inhibitory Model Neurons: Role of Noise and Signal Autocorrelation
我们研究了稀疏连接的整合-激发神经元网络在超短期信息处理中的性能。我们利用这样一个事实，即具有平衡的激励和抑制的网络的群体活动可以从振荡发射制度切换到异步不规则发射或静止的状态，这取决于外部背景尖峰的速率。我们发现，在信息缓冲方面，网络在适度的非零噪声量下表现最好。类似于随机共振现象，性能随着噪声水平的升高和降低而降低。噪声的最佳量对应于静态和随机动态之间的过渡区。这提供了一个潜在的解释的作用，非振荡人口活动在一个简化的模型皮质微电路。
2005-02-23 q-bio.NC
Noise-Robust Modes of the Retinal Population Code have the Geometry of "Ridges" and Correspond with Neuronal Communities
神经元群体代码的一个吸引人的新原理是神经元之间的相关性将神经活动模式组织成离散的聚类集合，每个聚类可以被视为噪声鲁棒群体“码字”。先前的研究假设这些码字在几何上对应于神经元群体响应的概率景观中的局部峰值。在这里，我们分析了约150个视网膜神经节细胞反应的多个数据集，并表明在广泛的非重复刺激集合下不存在局部概率峰，这是自然行为的特征。然而，我们发现，神经活动仍然形成噪声鲁棒集群在这个制度，虽然集群具有不同的几何形状。我们首先定义一个软局部最大值，这是一个局部概率最大值时，约束到一个固定的尖峰计数。接下来，我们证明了软局部最大值是鲁棒存在的，而且可以在概率景观中的不同尖峰计数水平之间建立联系，以形成“脊”。我们发现，这些脊由神经元群体中的尖峰和沉默的组合组成，使得所有尖峰神经元都是同一神经元群体的成员，这是网络理论的一个概念。我们认为，一个神经元社区的股票唐纳德赫布的经典细胞组装的许多属性，并表明，一个简单的，生物上合理的解码算法可以识别一个特定的神经元社区的存在。
2017-03-12 q-bio.NC
Modeling and characterizing stochastic neurons based on in vitro voltage-dependent spike probability functions
神经系统中的神经元受到不同的噪声源的影响，例如离子通道噪声和突触噪声，这在它们对相同刺激的重复呈现的反应中引入了变异性。这促使使用随机模型来描述神经元的行为。在这项工作中，我们描述了一个内在的随机神经元模型的基础上，电压依赖的尖峰概率函数。我们通过测量单个神经元的发放时间可靠性来确定内在噪声的影响，并研究了随机共振现象。该模型能够显示出增加的可靠性为非零的固有噪声值，根据什么是已知的从文献中，并增加了内在的随机性，它增强了随机共振存在的区域。我们继续在网络层面上的研究，我们研究了由随机神经元组成的随机网络的行为。在这种情况下，增加一个额外的维度，由固有噪声表示，揭示了系统的动态状态，否则无法找到。最后，我们提出了一种方法来估计尖峰概率曲线从体外电生理数据。
2021-06-08 q-bio.NC
Detection of subthreshold pulses in neurons with channel noise
神经元会受到各种噪音的影响。除了突触噪声之外，离子通道的随机打开和关闭表示影响神经元的信号处理特性的固有噪声源。本文研究了随机Hodgkin-Huxley神经元对瞬态输入阈下脉冲的响应。结果表明，随着信道噪声幅值的增大，平均响应时间减小，方差增大。在单脉冲检测的情况下，我们表明，通道噪声使一个神经元检测阈下信号和最佳膜面积（或通道噪声强度）存在一个单一的神经元，以达到最佳性能。然而，单个神经元的检测能力受到较大误差的限制。在这里，我们测试了一个简单的神经网络，可以提高神经元的脉冲检测能力，发现几十个神经元可以完美地检测阈下脉冲。在单神经元和网络两个层次上都存在着内在随机共振现象。在网络级，可以针对包括网络的神经元的数量来优化网络的检测能力。
2008-11-14 q-bio.NC q-bio.SC
Mapping Input Noise to Escape Noise in Integrate-and-fire neurons: A Level-Crossing Approach
尖峰神经元中的噪声通常通过有噪声的输入电流或通过产生具有电压依赖性危险率的随机输出尖峰（“逃逸噪声”）来建模。虽然输入噪声适合于模拟生物物理噪声过程，但现象学逃逸噪声在数学上更容易处理。利用可微高斯过程的水平交叉理论，我们导出了泄漏积分-激发神经元中色输入噪声和逃逸噪声之间的近似映射。这种映射需要一个过阻尼布朗粒子的第一次通过时间（FPT）密度驱动的色噪声相对于一个任意移动的边界。从Wiener-Rice系列FPT密度开始，我们将Stratonovich的二阶解耦近似应用于移动边界的情况，并推导出一个简化的危险率表示，该表示在时间上是局部的，并且在数值上是有效的。这种简化需要计算水平交叉过程的非平稳自相关函数：对于指数相关的输入噪声（Ornstein-Uhlenbeck过程），我们获得了零滞后自相关的精确公式，作为噪声参数，平均膜电位及其速度的函数，以及完全自相关函数的指数近似。该理论很好地预测FPT和interspike间隔密度以及人口活动的模拟与时间相关的刺激或边界。与模拟的协议相比，一阶解耦近似，忽略了水平交叉点之间的相关性大大增强。二阶近似也改善了以前提出的理论在亚阈值制度。根据简单性-准确性的权衡，所有考虑的近似表示从有色输入噪声到逃逸噪声的有用映射。
2021-09-15 q-bio.NC
Noise-induced phase transitions in neuronal networks
使用一个完全可解的皮层模型的神经元网络，我们表明，通过增加散粒噪声（流随机尖峰轰击神经元）的强度，网络经历一阶和二阶非平衡相变。我们研究神经元活动的转换、爆发和雪崩的性质。鞍结分岔和超临界Hopf分岔是网络持续振荡产生的机制。我们表明，由散粒噪声刺激的网络的行为类似于由施加电流刺激的生物神经元的Morris-Lecar模型。
2013-04-11 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
Strong, but not weak, noise correlations are beneficial for population coding
本文通过视网膜记录和理论建模证明，强噪声相关性即使与信号相关性方向一致也有益于群体编码，并揭示其有助于高维刺激细粒度细节的编码。
2025-07-02 q-bio.NC
Noise induces continuous and noncontinuous transitions in neuronal interspike intervals range
噪声出现在大脑中，由于各种来源，如离子通道波动和突触事件。它们影响大脑的活动并影响神经元动作电位。随机微分方程已被用来模拟神经元的放电模式受到噪音。在这项工作中，我们考虑扰动噪声的自适应指数积分和消防（AEIF）神经元。AEIF是一个二维模型，通过改变其参数来描述不同的神经元放电模式。在与膜电位相关的方程中添加了噪声。我们发现，噪声电流可以诱导连续和不连续的过渡神经元的峰间期。此外，我们发现，非连续的过渡主要发生在参数接近的边界之间的紧张性尖峰和突发活动的神经元没有噪声。
2020-05-29 physics.bio-ph q-bio.NC
Turn Down that Noise: Synaptic Encoding of Afferent SNR in a Single Spiking Neuron
我们已经添加了一个简化的神经形态模型的尖峰时间依赖可塑性（STDP）的突触树突核适应神经元（SKAN）。由此产生的神经元模型是第一个显示除了时空尖峰模式的无监督学习之外的传入信噪比的突触编码。神经元模型特别适合于在数字神经形态硬件中实现，因为它不使用任何复杂的数学运算，并且使用新颖的方法来实现突触稳态。神经元噪声补偿特性的特点和测试噪声损坏的零数字的MNIST手写数据集。结果表明，同时学习的共同模式，在其输入数据，同时动态加权的基础上，他们的信噪比个别传入通道。尽管它很简单，但神经元模型的有趣行为和由此产生的计算能力可能会提供对生物系统的见解。
2014-11-11 cs.NE q-bio.NC
Frequency and phase synchronization of two coupled neurons with channel noise
研究了信道噪声作用下两个相同和不同耦合神经元的频率和相位同步。在随机Hodgkin-Huxley模型的背景下，使用占据数方法来建模神经元，其中通道噪声的强度由神经元起始区域的离子通道簇大小表示。结果表明，只要两个神经元的通道簇大小相同，频率同步只能在任意耦合强度下实现。我们还发现，在耦合和通道噪声的共同作用下，神经元的相对相位可以表现出丰富的动力学行为。定性和定量的描述被用来描述这些行为之间的过渡。我们的研究结果控制神经同步实验的相关性进行了讨论。
2007-11-07 q-bio.NC q-bio.OT
Noise-induced synchronization in bidirectionally coupled type-I neurons
我们在这里提出了一些研究噪声诱导的顺序和同步发射的系统中的双向耦合通用I型神经元。我们发现，从非同步到完全同步状态的转换发生超过一个临界值的噪声强度，有一个明确的功能依赖于神经元的耦合强度和输入值。对于一个神经兴奋性（IE）突触耦合，部分同步状态的方法示出定性地根据输入是小于或大于一个临界值而变化。我们发现，噪声的引入可以导致延迟的兴奋性神经元的放电模式的分歧IE耦合。
2015-06-19 nlin.AO q-bio.NC
Channel noise induced stochastic facilitation in an auditory brainstem neuron model
神经元膜电位的随机波动是由于离子通道开放和关闭状态之间的随机转换引起的电导变化。虽然以前已经表明，通道噪声可以影响神经元动力学的非平凡，它是未知的离子通道噪声是否足够强，作为噪声源的假设噪声增强信息处理在真实的神经元系统，即“随机促进。“在这里，我们证明了通道噪声的生物物理模型可以在听觉脑干神经元的Hodgkin-Huxley样模型中产生两种最近发现的随机易化效应。第一种称为基于斜率的随机共振（SBSR），使相位神经元能够发出动作电位，这些动作电位可以编码相对于模型中关键时间常数缓慢变化的输入斜率。第二种称为逆随机共振（ISR），发生在紧张性放电神经元中，当小水平的噪声抑制紧张性放电并以爆发式动力学取代它时。与以前的工作相一致，我们得出结论，通道噪声可以提供显着的变化，即使是大量的通道。此外，我们的研究结果表明，可能会发生相关的计算效益，由于通道噪声的听觉脑干神经元。无论模型中的激发动力学是阶段性的（SBSR可能由于通道噪声而发生）还是紧张性的（ISR可能由于通道噪声而发生），这都是成立的。
2013-12-05 q-bio.NC q-bio.SC
Role of calcium and noise in the persistent activity of an isolated neuron
使用Hodgkin-Huxley和Integrate-and-Fire框架研究了孤立和自动连接神经元的活动。模型的主要成分是在实验中观察到的自刺激自适应电流，具有自发突触释放噪声和钙依赖性负反馈机制。解析计算了脉冲间间隔和脉冲持续时间的分布，与实验数据吻合较好。
2004-06-03 cond-mat.dis-nn q-bio.NC
Continual One-Shot Learning of Hidden Spike-Patterns with Neural Network Simulation Expansion and STDP Convergence Predictions
University of Adelaide（阿德莱德大学）
本文提出了一种构造性的算法，实现了成功的一次性学习隐藏的尖峰模式在竞争检测任务。先前已经表明（Masquelier等人，2008），尖峰时间依赖性可塑性（STDP）和侧抑制可以导致神经元竞争性地调谐到隐藏在高速率的整体突触前活动中的重复尖峰模式。一次性构建神经元与突触权重计算收敛STDP结果的估计结果在隐藏的尖峰模式的立即选择性检测。连续学习的能力证明了通过成功的一次检测新的一组尖峰模式后，在模拟时间长的间隔。模拟扩展（Lighthearts等人，2013）已经被提出作为开发与生物神经网络的模拟兼容的构造性算法的方法。生物神经网络的模拟可以具有比相关生物神经系统少几个数量级的神经元和连接;因此，模拟的神经网络可以被假设为更大神经系统的子集。建设性的算法开发使用模拟扩展的概念来执行相当于模拟和更大的假设神经系统之间的神经元交换的操作。在更大的神经系统（假设的或存储在存储器中的）内模拟的神经元的动态选择可以是机器学习和生物学模拟中的广泛开发和应用的起点。
2017-08-30 cs.CV q-bio.NC stat.ML
Transient termination of synaptically sustained spiking by stochastic inputs in a pair of coupled Type 1 neurons
我们研究了随机输入电流对两个可兴奋神经元与快速兴奋性突触耦合的放电行为的影响。在这样的细胞（模型）中，典型的二次整合和激发模型，相互突触耦合可以导致持续的激发或振荡行为，这必然是反相的。加性高斯白噪声可以瞬时终止振荡，从而破坏稳定的极限环。噪声的进一步应用可以使系统返回到尖峰活动。在特定的噪声范围内，振荡和静止状态之间的过渡时间是强烈不对称的。我们用数值方法研究了周期轨道的近似吸引域A，并用马尔可夫过程理论解释了从A逃逸的概率
2007-07-30 q-bio.NC
Effect of Channel Noise in Synchronization and Metabolic Energy Consumption in Unidirectionally Coupled Neurons: Drug Blocking of Sodium and Potassium Channels
本文将单个Hodgkin-Huxley神经元的随机推广进一步推广到单向耦合神经元。我们的主要工作是阐明通道噪声在动作电位发放的动力学和能量学以及两个耦合神经元之间的同步化中的作用。我们已经发现，补丁的大小在同步和代谢能量消耗中起着关键作用。例如，存在三个不同的补丁大小范围，其中耦合神经元系统在达到确定性极限之前以不同的方式从噪声增强阶段到死区状态表现。我们还发现，钠和钾通道阻滞剂对同步化过程和代谢能量消耗率具有特征性的动力学和能量效应，这已被模拟数据所验证。
2018-10-10 physics.bio-ph q-bio.NC
Spontaneous formation of synchronization clusters in homogenous neuronal ensembles induced by noise and interaction delays
在等随机扰动的可兴奋神经元延迟耦合的无结构系综中，自发形成的同步尖峰簇首次被证明。这种效应是相互作用延迟、噪声和单个神经元的兴奋性之间微妙相互作用的结果。集群的性质的时滞，噪声强度和突触强度的依赖关系进行了研究。
2012-01-30 nlin.AO nlin.PS q-bio.NC
Responses of Ensemble Neurons to Spike-Train Signals with Independent Noises: Stochastic Resonance and Spike Variability
用数值方法研究了$N$（=1，10，和100）Hodgkin-Huxley（HH）神经元对相干脉冲串输入的响应，其中相干脉冲串输入是独立的Poisson脉冲串（ST）噪声和高斯白噪声。研究了三个相互关联的问题：（1）两种噪声影响之间的差异和相似性，（2）神经元系综的大小对信噪比（SNR）的影响，以及（3）大的放电变异性与相当好的信息传输的兼容性。(1)ST噪声的随机共振（SR）的性质被证明是相当不同的白噪声。当通过$SNR=10 {\rm log_{10}} [(A/X^α) {\rm exp}(-B/X)]$给出的表达式分析在我们的模拟中获得的亚阈值输入的SNR时，其中$X$表示噪声强度，$A$和$B$是常数，指标$α$对于ST噪声是$α=3$，对于白噪声是$α=2$：前者不同于在许多非线性系统中实现的$α=2$的常规值。ST噪声对SR的作用不如白噪声有效。(2)通过增加集合神经元的大小$N$，可以大大提高由SNR评估的传输保真度。在一个大规模的神经元集成，SNR的阈上输入不显着降低弱噪声负责SR的阈下输入。(3)亚阈值输入的输出尖峰的尖峰间期（ISI）具有较大的变异性（$c_{v} \siml 0.8$），这与在皮层神经元中观察到的数据相当。尽管个体神经元的激发是可变的，但是在集合上求和的输出信号可以借助于SR和池化效应来携带具有相当好的SNR的信息。
2002-02-15 cond-mat.dis-nn q-bio.NC
Power spectral analysis of voltage-gated channels in neurons
本文通过频域功率谱分析神经元膜响应，提出比Hodgkin-Huxley模型更一般的p2顺序化学状态模型，揭示电压依赖随机机制对动作电位产生的非线性响应有重要影响。
2023-12-01 q-bio.NC
Noise and Neuronal Heterogeneity
我们考虑一个简单的神经元模型具有内在噪声的信号处理。噪声的存在限制了神经响应的精度，并影响神经信号转导的质量。我们评估的信号转导质量的噪声水平，并显示它被最大化的非零水平的噪声，类似于随机共振效应。质量增强发生在一个有限范围的刺激到一个单一的神经元，我们展示了如何构建网络的神经元，扩展的范围。当我们使用具有各种阈值的异质神经元群体时，而不是使用具有相同阈值的同质神经元群体时，范围随着网络大小而更快地增加。因此，神经响应的有限精度可以对最佳网络结构产生直接影响，其中组成神经元的不同功能特性支持经济的信息处理策略，该策略降低了处理广泛类别的刺激的代谢成本。
2010-05-04 cond-mat.dis-nn physics.bio-ph q-bio.NC
Exact results for power spectrum and susceptibility of a leaky integrate-and-fire neuron with two-state noise
色噪声驱动的可激励系统的响应特性是非常有趣的，但通常只能通过近似在数学上访问。由于这个原因，二分噪声，一个罕见的例子，有色噪声往往导致分析处理的问题，已被广泛用于随机系统的研究。在这里，我们计算精确表达式的功率谱和敏感性的泄漏集成和消防神经元驱动的非对称二分噪声。虽然我们的结果与模拟结果非常一致，但它们也突出了使用二分法噪声作为更复杂波动的简单模型的局限性：功率谱和磁化率都表现出无阻尼的周期性结构，我们详细讨论了其起源。
2016-10-17 physics.bio-ph q-bio.NC
Dynamics of spontaneous activity in random networks with multiple neuron subtypes and synaptic noise
自发的皮质群体活动表现出多种振荡模式，这些模式在慢波睡眠或某些麻醉剂下通常显示同步，而在安静的清醒状态下保持异步。这些皮层状态和它们之间的转换背后的机制还没有完全理解。在这里，我们研究自发的群体活动模式的随机网络的尖峰混合类型的神经元模型的Izhikevich方程。神经元通过受到突触噪声影响的基于电导的突触耦合。我们将群体活动模式定位在由相对抑制性突触强度和突触噪声幅度所跨越的参数图上。在没有噪声的情况下，网络显示瞬态活动模式，振荡或在恒定的水平。噪声的作用是将瞬态模式转变为持续模式：对于弱噪声，所有活动模式都是独立于突触强度的异步非振荡模式;对于较强噪声，模式具有振荡和同步特性，这取决于相对抑制性突触强度。在该区域的参数空间中，抑制性突触强度超过兴奋性突触强度和适度的噪声幅度网络功能振荡和静态之间的间歇性开关与同步和异步皮质状态的特性类似，分别。我们解释这些振荡和静止模式相结合的现象学的全球性的描述网络状态与局部描述的个别神经元在其部分相空间。我们的研究结果指出了一个桥梁，从事件的分子尺度的突触到细胞尺度的个别神经元的集体规模的神经元群体。
2018-05-20 nlin.AO q-bio.NC
Harmonic fractal transformation for modeling complex neuronal effects: from bursting and noise shaping to waveform sensitivity and noise-induced subthreshold spiking
Navigation street, Birmingham, UK, B5 4AA（英国伯明翰90号导航街）
提出首个分形频率映射，通过输入频谱的分形重组激发共振频率尖峰，实现高灵敏度、抗噪及噪声诱导放大，揭示神经元功能为非线性频率域上的线性叠加。
2025-08-07 cs.LG cs.NE q-bio.NC
Impact of noise and damage on collective dynamics of scale-free neuronal networks
我们研究了无标度结构和噪声在神经元网络集体动力学中的作用。为此，我们模拟和研究分析的皮层电路模型与随机神经元。我们比较集体神经元活动的网络与不同的拓扑结构：经典的随机图和无标度网络。我们发现，在无标度网络与发散的二阶矩的度分布，噪声对神经元活动的影响是强烈增强的网络与有限的二阶矩。非常小的噪声水平可以刺激有限部分神经元的自发活动和持续的网络振荡。我们证明了集体动力学的无标度网络的随机损伤的随机删除的兴奋性和抑制性神经元的数量在很宽的范围内的耐受性。随机移除神经元会导致网络振荡频率逐渐降低，类似于阿尔茨海默病中α节律的减慢。然而，这些网络容易受到有针对性的攻击。去除一些兴奋性或抑制性枢纽可以削弱持续的网络振荡。
2012-11-29 cond-mat.dis-nn physics.bio-ph q-bio.NC
Effects of correlated Gaussian noise on the mean firing rate and correlations of an electrically coupled neuronal network
在本文中，我们研究了相关高斯噪声对一个二维神经网络的影响，该网络由鲁科夫映射局部建模。更准确地说，我们研究了噪声相关性对平均放电率和神经元之间的相关性随噪声强度的变化的影响。通过数值模拟，我们表明，平均放电率总是可以优化在一个中间的噪声强度，而不管噪声的相关性。另一方面，相对于噪声强度的群体相干性的变化强烈地受局部和全局高斯噪声输入之间的比率的影响。我们的研究结果的生物学意义进行了讨论。
2010-08-09 cond-mat.dis-nn physics.bio-ph q-bio.NC
Colored noise and memory effects on formal spiking neuron models
简化的神经元模型捕捉了一般神经元电活动的本质，除了从计算的角度来看，与更高维的模型（如Hodgkin-Huxley模型）相比更有趣之外。在这项工作中，我们提出了一个广义的共振和火灾模型描述的广义朗之万方程，考虑到记忆效应和有色噪声。我们进行了全面的数值分析，以研究所提出的模型的动力学和点过程统计，突出有趣的新功能，如：i）非单调行为（峰结构的出现，通过色噪声特征时间尺度的选择而增强）作为记忆特征时间尺度的函数的变异系数（CV），ii）色噪声引起的CV中的移位，以及iii）由于记忆诱导的阈下振荡而在峰间间隔（ISI）分布中出现和抑制多峰。此外，在噪声诱导的尖峰制度，我们研究如何记忆和色噪声影响的相干共振（CR）现象。我们发现，对于足够长的记忆，CR不仅被抑制，而且CV $\times$噪声强度曲线的最小值，其特征在于CR的存在可能被最大值所取代。上述特征允许将记忆和有色噪声之间的相互作用解释为对神经元变异性的有效控制机制。由于ISI分布中的可变性和非平凡的时间模式在生物细胞中是普遍存在的，我们希望本模型可以用于模拟神经元的真实方面。
2015-05-12 cond-mat.stat-mech q-bio.NC
Dynamical mean-field theory of spiking neuron ensembles: response to a single spike with independent noises
用半解析动力学平均场（DMF）理论研究了白噪声作用下的$N$ -单元FitzHugh-Nagumo（FN）神经元系综动力学行为，其中原始的$2 N$ -维{ \it随机}微分方程被用局部和全局变量的矩表示的8维{ \it确定性}微分方程所代替.我们的DMF理论，假设弱噪声和高斯分布的状态变量，超越了弱耦合组成的神经元。通过使用的表达的发射概率由于一个应用单一的尖峰，我们已经讨论了噪声，突触耦合和合奏的大小上的尖峰定时精度，这是通过增加的神经元合奏的大小，即使当有没有耦合神经元的影响。当引入耦合时，系综中的神经元以部分同步响应输入尖峰。将DMF理论扩展到一个大的簇，根据其功能可以划分为多个子簇。模型计算表明，当噪声强度是中等的，尖峰传播与一个相当精确的定时是可能的噪声子集群与前馈耦合，在synfire链。我们的DMF理论计算的结果很好地比较直接模拟得到的结果。文中还讨论了DMF理论与传统矩量法的比较。
2002-09-06 cond-mat.dis-nn q-bio.NC
Control of the Correlation of Spontaneous Neuron Activity in Biological and Noise-activated CMOS Artificial Neural Microcircuits
有几个迹象表明，大脑不是基于单个不可靠的神经元组织的，而是基于微电路规模，提供用于创建复杂架构的乐高积木。在这样一个中间尺度上，微电路中的放电活动受集体效应的支配，集体效应是由引发自发放电的背景噪声、神经元之间相互连接的程度以及连接的拓扑结构所产生的。我们比较了粘附在工程支架上的小群体神经元的自发放电活动与生物学上合理的CMOS人工神经元群体的模拟，其自发活动由定制的背景噪声点燃。我们提供了一整套灵活和低功耗的硅块，包括神经元，兴奋性和抑制性突触，以及用于自发放电激活的白噪声和粉红噪声发生器。我们通过控制硅神经元之间的连接的种类和数量来实现生物神经元的放电活动的可比程度的相关性。神经元组之间的相关性，组织成一个由等效的中间神经元连接的四个不同群体的环，通过向连接添加多个突触比增加独立的点对点连接的数量更有效地触发。生物系统和人工系统之间的比较表明，相当数量的突触在粘附于工程支架的生物群体中也是活跃的。
2017-02-24 cs.NE q-bio.NC q-bio.QM
Noise-induced interspike interval correlations and spike train regularization in spike-triggered adapting neurons
神经元中的尖峰产生产生时间点过程，其统计由内在现象和待编码的外部传入输入支配。特别是，尖峰诱发的适应电流支持一个缓慢的时间过程，条件尖峰概率在目前的时间根据过去的活动。在这项工作中，我们研究的统计数据，在这样的非更新脉冲序列，神经元模型，再现不同的尖峰模式在一个小的适应情况下产生的尖峰间期的相关性。我们发现，当神经元以特定的放电率放电时，相关性会更强，这是由适应过程定义的。当设置在亚阈值状态时，神经元可以维持该特定的放电速率，并且因此通过噪声诱导相关性。鉴于，在这种制度下，interspike间隔是负相关的任何滞后，这种效果令人惊讶地意味着减少在有限的噪声强度的尖峰计数统计的变化。
2016-10-28 cond-mat.dis-nn physics.bio-ph q-bio.NC
When Noise meets Chaos: Stochastic Resonance in Neurochaos Learning
National Institute of Advanced Studies（国家高级研究院）；Indian Institute of Science（印度科学学院）
混乱和噪音在大脑中无处不在。受神经元的混沌放电和噪声在神经元模型中的建设性作用的启发，我们首次将混沌、噪声和学习联系起来。在本文中，我们证明了随机共振（SR）现象在神经混沌学习（NL）。SR表现在NL的单个神经元的水平上，并且使得能够进行有效的亚阈值信号检测。此外，SR发生在单个和多个神经元NL架构的分类任务-无论是在模拟和真实世界的口语数字数据集。神经混乱学习中的中间水平噪音可以使分类任务达到峰值性能，从而凸显了SR在人工智能应用中的作用，特别是在大脑启发的学习架构中。
2021-03-09 cs.LG q-bio.NC
A discrete time neural network model with spiking neurons II. Dynamics with noise
我们提供了严格和准确的结果，表征了泄漏的集成和消防神经元网络中的尖峰列车的统计数据，其中时间是离散的，神经元被提交给噪声，没有限制的突触权重。证明了一个Gibbs型不变测度的存在唯一性，并讨论了它的性质.我们还讨论了马尔可夫近似，并将其与目前在计算神经科学中使用的方法来分析实验尖峰列车统计。
2010-08-12 math.DS math.PR physics.bio-ph
Neuronal noise as a physical resource for human cognition
一类新的高能效数字微处理器正在开发中，它对热噪声敏感，因此工作在概率模式而不是传统的确定性模式。混合计算系统将概率处理器和确定性处理器结合起来，可以为传统确定性算法难以解决的计算问题提供强大而有效的工具。这些发展表明，细长轴突中离子通道噪声的后果，通常被视为神经元计算的障碍，一个修订的观点。有人提出，人脑是这样一个节能的混合计算系统，其显着的特点出现从概率和确定性的操作模式之间的建设性协同作用。特别是，直觉和创造性解决问题的能力似乎自然产生于这样一个混合系统。考虑到物理热噪声是纯粹的，并且是免费的，我们的建议对在传统的能量密集型确定性超级计算机上模拟节能人脑的尝试具有影响。
2014-12-16 cs.OH q-bio.NC
One-Dimensional Population Density Approaches to Recurrently Coupled Networks of Neurons with Noise
平均场系统之前已经推导出耦合的，二维的，集成和消防神经元，如Izhikevich，适应指数（AdEx）和四次集成和消防（QIF），等等的网络。不幸的是，平均场系统具有一定程度的频率误差，并且当存在自适应时，所分析的网络通常不包括噪声。在这里，我们推导出一个一维偏微分方程（PDE）近似的边际电压密度下的一阶矩封闭的耦合网络的集成和消防神经元与白噪声输入。偏微分方程具有比平均场系统小得多的频率误差，并提供了大量的信息，在分析易处理的成本。阐明了平均场系统在低噪声极限下的收敛性质。本文还提出并实现了一种新的异步紧张性激发解的稳定性分析方法。与以前的尝试在稳定性分析与这些网络类型，适应变量的边际密度的信息被使用。这种方法原则上也适用于其它非线性偏微分方程组。
2014-11-09 math.DS q-bio.NC
Stochastic Resonance of Ensemble Neurons for Transient Spike Trains: A Wavelet Analysis
本文利用小波变换（WT）分析了$N$（=1，10，100和500）Hodgkin-Huxley（HH）神经元系综对具有独立高斯噪声的{ \it瞬态} $M$ -脉冲锋电位序列（$M=1-3$）的响应。输入和输出信号之间的互相关用WT展开系数表示。通过使用WT内的{ \it去噪}方法来评估信噪比（SNR），通过该方法从输出信号中提取噪声贡献。虽然一个单一的（N=1）的神经元的响应亚阈值瞬态信号与噪声是相当不可靠的，传输保真度评估的互相关和SNR被证明是大大提高通过增加值的$N$：一个人口的神经元在随机共振（SR）瞬态尖峰输入中发挥不可或缺的作用。它还表明，在一个大规模的合奏，超阈值瞬态尖峰的传输保真度是不显着下降的弱噪声，这是负责SR亚阈值输入。
2001-11-29 cond-mat.dis-nn q-bio.NC
Exact firing time statistics of neurons driven by discrete inhibitory noise
完整脑中的神经元接受来自兴奋性和抑制性突触前神经元的连续和不规则的突触轰击，这决定了受刺激神经元的放电活动。为了研究抑制性刺激对放电时间统计的影响，我们考虑了受抑制性瞬时突触后电位影响的Leaky Integrate-and-Fire神经元。特别是，我们报告准确的结果，放电率，变异系数和脉冲序列频谱的各种突触的重量分布。我们的研究结果并不局限于刺激的无穷小幅度，但它们也适用于有限幅度的突触后电位，从而能够捕捉到罕见的和大的尖峰的效果。所开发的方法也能够再现异质神经元群体的平均放电特性。
2017-03-13 cond-mat.dis-nn nlin.AO q-bio.NC
Eigenvalue Distributions for a Class of Covariance Matrices with Applications to Bienenstock-Cooper-Munro Neurons Under Noisy Conditions
我们分析了噪声相关性的影响，在输入，或之间，神经元使用Wigner半圆定律构建随机，正定对称相关矩阵和计算其特征值分布。在有限维的情况下，我们比较我们的分析结果与数值模拟，并显示在各种视觉环境中的突触强度的寿命的相关性的影响。这些相关性可能是由于来自输入LGN神经元的噪声的相关性，或者是神经元网络中横向连接的可变性的相关性。特别是，我们发现，对于固定的维度，一个大的噪声方差可以引起突触强度的长寿命。这可能具有生理意义。
2010-01-26 physics.bio-ph q-bio.NC
Prime numbers and spontaneous neuron activity
对数间隙已经被用来寻找被随机噪声（随机或混沌）隐藏的素数序列的周期分量。结果表明，噪声的乘性性质是对数间隙成功应用的主要原因，将乘性噪声转化为加性噪声。这种现象的自发神经元活动和混沌的大脑计算的关系进行了讨论。
2011-05-06 math.NT nlin.CD q-bio.NC
A comparative study of different integrate-and-fire neurons: spontaneous activity, dynamical response, and stimulus-induced correlation
随机积分激发（IF）神经元模型在计算神经科学中有着广泛的应用。在这里，我们提出了白噪声驱动的完美，泄漏，二次IF模型的结果，专注于频谱统计（功率谱，交叉谱，相干函数）在不同的动力学制度（噪声诱导和紧张性发射制度与低或中等噪声）。我们通过调整参数使模型具有可比性，从而使所有模型的平均值和峰间间期的变异系数匹配。我们发现，在这些条件下，白噪声刺激下的功率谱往往是非常相似的，而响应特性，由一小部分的输入噪声和输出脉冲序列之间的交叉谱描述，可以有很大的不同。我们还研究了两个同类神经元（例如两个泄漏IF神经元）的脉冲序列如何相关，如果它们共享一个共同的噪声输入。我们发现，根据动力学制度，无论是两个二次IF模型或两个泄漏的IF更强的相关性。我们的研究结果表明，当选择简单的IF模型进行网络模拟时，模型的细节对输出的相关性和规律性有很大的影响。
2009-12-11 nlin.AO q-bio.NC
Co-operativity in neurons and the role of noise in brain
鉴于多巴胺能神经元在边缘脑腹侧被盖区表现出长程相关性的一些最新结果，我们有兴趣找出任何随机非线性响应是否可以在纳米尺度上利用量子力学的结果再现。我们已经开发了一个计划来调查这种情况在本文中考虑薛定谔方程（SE）在任意流形上的度量，这在某种意义上是一个特殊的情况下的热核方程。该热核方程的特例是扩散方程，它可以再现神经活动的一些关键现象。我们建立了SE的对偶等效电路模型，并在电路方案中考虑了非交换性和噪声。研究了具有有趣极限的电路元件的行为。最奇怪的部分是模型的长程响应，这是由于中央极限定理，这是一个大的神经元组装的连贯行为。
2007-08-15 q-bio.NC q-bio.QM
Factorized Neural Processes for Neural Processes: $K$-Shot Prediction of Neural Responses
Northwestern University（西北大学）；Shirley Ryan Ability Lab（雪莉·瑞安能力实验室）；University Tübingen（图宾根大学）；Baylor College of Medicine（贝勒医学院）
近年来，人工神经网络在预测视觉皮层中的神经元对自然刺激的反应方面已经取得了最先进的性能。然而，它们需要一个耗时的参数优化过程来精确地建模新观察到的神经元的调谐函数，这阻止了许多应用，包括实时，闭环实验。我们克服了这个限制，制定的问题，$K$ -拍摄预测直接推断神经元的调谐功能，从一个小的刺激响应对使用神经过程。这就要求我们开发一个因子化神经过程，它将观察到的集合嵌入到一个潜在的空间中，该空间被划分为感受野位置和调谐函数属性。我们模拟的反应，预测和重建的感受野从因子化神经过程接近地面真理与试验次数的增加。重要的是，概括神经元调谐功能的潜在表示是在通过网络的快速、单次向前传递中推断出来的。最后，我们验证了这种方法对真实的神经数据从视觉皮层，并发现预测准确性是可比的-和小$K$甚至大于-优化为基础的方法，同时大大加快。我们相信，这种新型的深度学习系统识别框架将有助于更好地将人工神经网络建模实时集成到神经科学实验中。
2020-10-22 cs.LG cs.NE q-bio.NC
