Beyond Wilson-Cowan dynamics: oscillations and chaos without inhibition
50年前,Wilson和Cowan开发了一个数学模型来描述神经元群体的活动。在这项开创性的工作中,他们将细胞分为三组:活跃的,敏感的和不应的,并获得了一个动态系统来描述种群平均放电率的演变。在目前的工作中,我们调查的影响,往往被忽视的不应状态,并表明,考虑到它可以引入新的动态。从一个连续时间马尔可夫链,我们进行了严格的推导的平均场模型,其中包括人口的不应分数的动态变量。然后,我们进行分岔分析,解释周期解的发生的情况下,经典的威尔逊-考恩没有预测振荡。我们还表明,我们的平均场模型是能够预测混沌行为的动态网络与两个人口少。
2022-05-30 physics.bio-ph q-bio.NC
Hemispheric-Specific Coupling Improves Modeling of Functional Connectivity Using Wilson-Cowan Dynamics
本文提出半球特异性耦合方案扩展Wilson-Cowan模型,区分半球内与半球间结构交互,应用于对照组和精神分裂症组数据,证明纳入半球不对称性可提高模拟与经验功能连接的相关性,增强脑网络模型的生物学真实性。
2025-08-17 nlin.CD q-bio.NC
Learning in Wilson-Cowan model for metapopulation
University of Florence(佛罗伦萨大学)
本文通过在集合种群 Wilson-Cowan 神经质量网络中引入稳定吸引子,将其改造为学习算法,并在多个图像与文本数据集上验证了高分类性能。
2024-12-05 cond-mat.dis-nn cond-mat.stat-mech cs.AI
Unconventional criticality, scaling breakdown, and diverse universality classes in the Wilson-Cowan model of neural dynamics
Wilson-Cowan模型构成了理解兴奋性和抑制性单位网络的集体动力学的范式方法。在文献中,它已被大量用于分析平均场水平上神经网络的可能阶段,例如,假设大型全连接网络。此外,它的随机对应物允许人们研究波动引起的现象,如雪崩。在这里,我们重新审视随机威尔逊-考恩模型,特别注意可能的相变之间的静态和活跃的阶段。我们揭示了八种可能类型的相变,包括连续的标度行为属于已知的普适性类-如定向渗透和三临界定向渗透-以及新的。特别是,我们表明,在一些特殊的情况下,在一个所谓的霍普夫三临界定向渗流过渡,而非常规的行为,包括一个异常的崩溃的标度出现。这些结果拓宽了我们的知识可能类型的关键行为的兴奋性和抑制性单位的网络,并在实际的神经元记录了解雪崩动力学相关。从更一般的角度来看,这些结果有助于扩展到静态或吸收状态的非平衡相变的理论。
2023-01-17 cond-mat.stat-mech nlin.CG q-bio.NC
A distributed-delay Wilson-Cowan model of sleep-related rhythms in the corticothalamic system
West University of Timişoara(蒂米什瓦拉西部大学);SUNY New Paltz(纽约州立大学新帕尔茨分校)
该研究构建含皮质、丘脑相关群体的四群体Wilson-Cowan模型,发现皮质丘脑回路的节律动力学不仅取决于连接性,还受分布式延迟耦合的时间组织影响,揭示了睡眠相关节律的调控机制。
2026-09-02 q-bio.NC
Unveiling the Complexity of Neural Populations: Evaluating the Validity and Limitations of the Wilson-Cowan Model
本研究评估了Wilson-Cowan模型在大规模Hodgkin-Huxley神经元网络中的有效性与局限性,发现其在分岔现象分析上具潜力,但在特定参数下精度有限,且连接异质性与外部驱动多样性可诱导复杂的神经动力学。
2023-09-12 nlin.CD q-bio.NC
Stochastic Wilson-Cowan models of neuronal network dynamics with memory and delay
我们考虑一类简单的马尔可夫类的随机Wilson-Cowan型模型的神经网络动力学,其中包括随机延迟所造成的存在的不应期的神经元。从单个元素的动态的角度来看,我们正在处理的非马尔可夫随机两态振荡器与内存的平均场的方式耦合在全球范围内的网络。这种高维马尔可夫和低维非马尔可夫动力学的相互关系进行了讨论,在其相关的一般问题的网络动力学的复杂元素具有记忆。这类最简单的模型是由一个三状态马尔可夫神经元与一个不应状态,这导致发射延迟与指数衰减的记忆内的两个状态简化模型。这个基本模型被用来研究临界雪崩动力学(噪声持续临界性)在一个平衡的前馈网络组成的兴奋性和抑制性神经元。这种雪崩的出现是由于网络大小相关的噪声(介观噪声)。数值模拟结果表明,雪崩尺寸的分布符合中幂律,临界指数约为-1.16。我们表明,这个幂律是强大的不应期时间的变化超过几个数量级。然而,雪崩时间分布是双指数的。它不反映任何真正的幂律依赖。
2015-01-29 cond-mat.dis-nn physics.bio-ph q-bio.NC
Spike-frequency and h-current based adaptation are dynamically equivalent in a Wilson-Cowan field model
Technische Universität Berlin(柏林工业大学);Einstein Center for Neuroscience(爱因斯坦神经科学中心);Bernstein Center for Computational Neuroscience(伯恩斯坦计算神经科学中心)
研究探讨了在Wilson-Cowan场模型中,基于尖峰频率适应和h电流适应的动态等价性,揭示了适应机制如何影响慢波睡眠中 traveling waves 的传播特性。
2026-06-29 nlin.AO q-bio.NC
Firing rate equations require a spike synchrony mechanism to correctly describe fast oscillations in inhibitory networks
抑制性神经元的递归耦合网络在伽马波段中鲁棒地产生振荡。尽管如此,相应的威尔逊-考恩型点火速率方程,这样的抑制人口不产生这样的振荡,没有明确的时间延迟。我们发现,这种差异是由于电压依赖性的尖峰同步机制固有的网络尖峰神经元,这是不是由标准的放电率方程捕获。在这里,我们研究了一个精确的低维描述异构规范I型抑制性神经元网络,其中包括产生同步状态的关键阈值下的动态。在慢突触动力学的限制下,只要外部输入也很慢,尖峰同步机制就被抑制,标准的Wilson-Cowan方程就被正式恢复。然而,即使在这个限制同步尖峰可以引起的输入波动的时间尺度上的膜的时间常数的神经元。因此,我们的平均场方程是标准的Wilson-Cowan方程的扩展,其中尖峰同步也被正确地描述。
2018-01-05 nlin.AO q-bio.NC
Average activity of excitatory and inhibitory neural populations
我们开发了一个扩展的的E-Antonsen方法,允许获得的平均活动(尖峰率)的人口兴奋单位。利用E-T方法,得到了兴奋性和抑制性可兴奋单位耦合群体序参量的动力学方程,并计算了它们的平均活性。研究了两种不同的可兴奋系统:阿德勒单位和θ神经元。所得的分岔图进行比较,从研究的唯象威尔逊-考恩模型在某些区域的参数空间。相容的行为,以及高维的混沌解,观察。我们研究数值模拟,以进一步验证方程。
2016-08-26 q-bio.NC
Chaos in Homeostatically Regulated Neural Systems
低维但丰富的动态经常出现在大脑中。例子包括睡眠、癫痫和自主运动期间的振荡和混沌动力学。然而,低维动力学出现的一般机制仍然难以捉摸。在这里,我们认为威尔逊-考恩网络,并通过数值和分析工作表明,一种类型的稳态调节的网络放电率可以矛盾地导致丰富的动态剧目。动力学包括混合模式振荡,混合模式混沌和混沌同步。这对于单个循环耦合节点、没有自耦合的成对循环耦合节点以及通过从功能磁共振成像数据导出的实验确定的权重耦合的网络是真实的。在所有情况下,稳态设定点的稳定性是通过分析确定或近似的。在网络级的动态直接决定于一个单节点系统的行为,通过同步在振荡和非振荡状态。我们的研究结果表明,丰富的动态可以保存下稳态调节,甚至是由稳态调节。
2018-01-30 q-bio.NC
Practical Approximation Method for Firing Rate Models of Coupled Neural Networks with Correlated Inputs
快速的实验进展现在能够在神经系统的大区域以单细胞分辨率同时记录神经活动。这种神经网络活动的模型必然会增加大小和复杂性,从而增加模拟它们的计算成本和分析它们的挑战。在这里,我们提出了一种新的方法来近似的活动和射击统计的一般射击率网络模型(威尔逊-考恩型)受噪声相关的背景输入。该方法需要解决一个系统的超越方程和快速相比,耦合随机微分方程的蒙特卡罗模拟。我们实现了耦合神经网络的几个例子的方法,并表明,即使有适度的耦合强度和可观的异质性在许多参数的结果是定量准确的。这项工作应该是有用的研究如何定性地影响耦合神经网络的尖峰统计的各种神经属性。实现该方法的Matlab代码可以在GitHub(\url{http://github.com/chengly70/FiringRateModReduction})上免费获得。
2017-09-29 q-bio.NC q-bio.QM
Limits and dynamics of stochastic neuronal networks with random heterogeneous delays
现实网络显示异构传输延迟。我们在这里分析了具有随机耦合和随机互连延迟的大型随机多种群网络的极限。我们表明,根据延迟分布的性质,淬火或平均传播的混沌发生在这些网络中,网络方程收敛到一个延迟的McKean-Vlasov方程的分布延迟。我们的方法主要适用于神经科学应用。我们特别是一个经典的神经元模型,Wilson和Cowan系统的实例,并表明,所获得的极限方程具有高斯解,其平均值和标准差满足一个封闭的一组耦合延迟微分方程中的延迟和噪声水平的分布出现作为参数。这允许精确地揭示噪声,延迟和耦合对这种异构网络的动态特性的影响,特别是它们在同步振荡出现中的作用。我们在几个例子中表明,不仅平均延迟,而且分散,管理这样的网络的动态。
2015-12-14 math-ph math.MP q-bio.NC
Neural Fields and Noise-Induced Patterns in Neurons on Large Disordered Networks
该研究探讨随机图上高维神经网络的模式形成,证明其存在类似Wilson-Cowan神经场方程的平均场极限,通过分岔分析找到类图灵分岔条件,提供噪声诱导螺旋波及有限尺寸网络弱收敛的证据,并证明大偏差原理以评估有限尺寸效应的影响。
2025-08-25 math.DS math.PR q-bio.NC
State and Parameter Estimation for a Neural Model of Local Field Potentials
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);Inria branch of the University of Montpellier(蒙彼利埃大学Inria分部);Radboud University(拉德堡德大学)
针对小鼠自然睡眠皮层局部场电位数据,采用离散化Wilson-Cowan Amari神经场模型结合贝叶斯数据同化方法,实现状态与参数的联合估计,并验证了方法在合成数据与真实数据上的可行性。
2026-05-30 math.DS math.PR q-bio.NC
EARS-UDE: Evaluating Auditory Response in Sensory Overload with Universal Differential Equations
Vizuara AI Labs(Vizuara AI实验室)
针对自闭症听觉感觉超载问题,提出基于通用微分方程的科学机器学习框架,结合生物物理常微分方程与神经网络,在提升预测性能与减少参数的同时实现生理参数恢复与定量风险评估。
2025-10-16 cs.AI q-bio.NC
Control of neural field equations with step-function inputs
Washington University in St. Louis(华盛顿大学圣路易斯分校)
针对Amari型神经场模型,提出基于Banach不动点定理和漂移流的两类控制综合方法,实现分段常数输入下的两点边界控制,数值实验验证了有效性。
2026-06-25 cs.SY eess.SY math.AP
Landau-Ginzburg theory of cortex dynamics: Scale-free avalanches emerge at the edge of synchronization
了解不同电生理和神经成像技术记录的复杂神经活动模式的起源、性质和功能意义,是神经科学的核心挑战。这些模式包括神经同步产生的集体振荡,以及由静止期散布的高度异质的活动爆发,称为“神经元雪崩”。“关于这种雪崩的可能的尺度不变性或临界性及其与大脑功能的相关性,已经产生了很多争论。为了阐明这一点,在这里,我们分析了大规模的集体性质的皮层使用介观的方法遵循的原则,朗道-金兹伯格的简约。我们的模型类似于Wilson-Cowan的神经动力学模型,但重要的是,包括随机性和空间;突触可塑性和抑制被认为是可能的调节机制。详细的分析揭示了一个相图,包括向下状态,同步,异步,和向上状态阶段,并揭示了神经元雪崩的经验发现一致复制调整我们的模型同步的边缘。这表明,假定的临界皮质动力学不对应于一个静止到活跃的相变,通常假设在理论方法,但同步相变,在初期振荡和无标度雪崩共存。此外,我们的模型还考虑了向上和向下状态(例如,在深度睡眠期间)。这种方法构成了一个框架,以合理化可能的集体阶段和皮层网络的相变在简单的条款,从而有助于从一个非常广泛的角度阐明大脑功能的基本方面。
2018-01-31 cond-mat.stat-mech nlin.AO physics.comp-ph
On the robustness of the emergent spatiotemporal dynamics in biophysically realistic and phenomenological whole-brain models at multiple network resolutions
Technische Universität Berlin(柏林工业大学);University Medicine, Greifswald(格赖夫斯瓦尔德大学医学中心);German Center for Neurodegenerative Diseases(德国神经退行性疾病中心);Bernstein Center for Computational Neuroscience(伯恩斯坦计算神经科学中心);Einstein Center for Neuroscience(爱因斯坦神经科学中心)
研究比较了生物物理真实和现象学模型在不同网络分辨率下的动态表现,揭示了模型类型和网络分辨率对模拟结果的影响,表明粗粒度动态具有鲁棒性,但某些情况下预测不具泛化性。
2025-04-24 nlin.AO q-bio.NC
Mean-field analysis of a neural network with stochastic STDP
Univ. Bordeaux, CNRS, IMN, UMR 5293(波尔多大学,法国国家科学研究中心,分子与核心理学研究所);Université Côte d’Azur, Inria, CNRS, LJAD(蔚蓝海岸大学,法国国家信息与自动化研究所,法国国家科学研究中心);Université Côte d’Azur, Inria(蔚蓝海岸大学,法国国家信息与自动化研究所)
本研究针对具有随机STDP的神经网络,提出MKV-MF平均场分析方法,将原网络简化为McKean-Vlasov型PDMP,降低计算复杂度并实现对瞬态变化的精确追踪。
2026-08-21 cond-mat.dis-nn math.PR physics.bio-ph