海马CA3区神经元集群放电脉冲耦合神经网络仿真研究.pdfVIP

海马CA3区神经元集群放电脉冲耦合神经网络仿真研究.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
海马CA3 区神经元集群放电的脉冲耦合神经网络 仿真研究1 刘婷,田心 天津医科大学生物医学工程系,天津(300070 ) E-mail:liuting@ 摘 要:目的 借鉴脉冲耦合神经网络(pulse coupled neural network, PCNN ),根据海马 CA3 区神经元集群电活动的特点,对海马CA3 区神经元集群放电进行建模和仿真。方法 建 立海马CA3 区神经元集群放电的PCNN 模型。该网络模型由 120 个神经元组成,其中兴奋 性神经元与抑制性神经元个数之比为 5:1,各个神经元间的连接权重为高斯分布,通过调 节权重实现网络中神经元之间的稀疏连接。结果 PCNN 模型的输出结果表明,在设定的三 类输入模式下:正弦信号,Gaussian 随机信号及以上两类信号的线性叠加,PCNN 模型的输 出都符合稀疏发放:神经元集群的平均发放率均小于 10 %。结论 PCNN 模型的输出仿真 了海马CA3 区神经元集群的电活动,为研究海马CA3 区神经元集群编码提供仿真数据。 关键词:海马CA3 区,神经元集群,电活动,脉冲耦合神经网络,仿真 中图分类号:R318 1. 引 言 海马是与认知记忆功能以及与神经系统某些重大疾病有关的重要脑区,近年来与海马相 关的神经生物学研究有了令人触目的进展[1~3] 。由于许多神经活动很难在实验中被直接观察, 例如,清醒动物在记忆各个过程中,在记忆脑区或相关皮层上的神经元集群电活动不一定都 能被观察和记录到;即使能记录到也不一定能体现某些关键的功能性编码。因此,建立神经 元集群电活动的模型进行仿真,给海马 CA3 区神经元集群放电提供了仿真数据,对神经元 集群放电编码理论和算法的研究打下了仿真基础。 国内外对神经放电计算模型的研究,较成熟的是单个神经元放电的模型。单个神经元放 电模型是神经元网络放电模型的基础。但仅从单个神经元放电来研究脑的功能行为是不可能 的,根据Hebb 的神经元集群编码理论,功能性神经元集群电活动才能编码信息[4] 。从神经 网络层次研究集群放电活动的模型,是神经计算的前沿研究。例如,Kohonen 提出的自组织 [5, 6]是由全连接的神经元阵列组成无教师 特征映射神经网络(self-organized mapping, SOM ) 自组织、自学习网络。当神经网络接受外界输入模式时,将会分为不同的反应区域,各区域 [7],它 对输入模式具有不同的响应特性。Meeter 等人提出轨迹联系模型(trace-link model ) 包括轨迹系统、连接系统和调节系统三个部分。在以上模型中,神经元被视作一个个节点, 各系统内的神经元之间为全连接,系统内神经元与其它系统神经元的连接为多输入/ 多输出。 但是在研究海马 CA3 区神经元集群的放电活动模型时,必须根据海马区神经元集群的特点 建模:神经元之间为稀疏连接;除了可以表达不同输入刺激的最终聚类结果外,还需要每一 时刻神经元集群的放电信息。脉冲耦合神经网络(pulse coupled neural network, PCNN )模型 是Eckhorn 根据猫的大脑视觉皮层同步脉冲发放特点[8]提出的。在PCNN 模型中,通过设置 神经元之间的权重调节神经元之间的连接;PCNN 模型的输出是与神经元集群放电的时空序 列,可以为研究神经元集群编码理论和算法提供仿真数据基础。因此,本文将采用 PCNN 仿真模型,在正弦,Gaussian 随机和正弦与 Gaussian 随机的线性叠加三类不同输入下,对 神经元集群的放电信息进行仿真。 1本课题得到国家自然科学基金资助项目)的资助。 - 1 - 2. 方法 2.1 PCNN 仿真模型 在 PCNN 仿真模型的单个神经元由树突、

文档评论(0)

dmz158 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档