神经网络模型中临界性的一个一般性描述
神经元与认知
2023-09-08 v1 动力系统
摘要
近期的实验观测支持了大脑皮层在临界性附近的动力学区制中运行的假说，其中神经元网络表现出有序与无序模式的混合。然而，关于临界性如何涌现以及如何重现它的全面研究仍然缺乏。在本研究中，我们研究具有基于电导的神经元的耦合网络，并阐明不同放电模式的共存，包括异步不规则 (AI) 放电和同步规则 (SR) 状态，以及尺度不变的神经元雪崩现象（临界性）。我们表明，快速突触耦合可在均值主导区制中引发神经元雪崩，但在涨落主导区制中影响甚微。在参数空间的狭窄区域内，网络表现出具有幂律雪崩大小和持续时间分布的雪崩动力学。我们总结认为，可能负责重现同步爆发的三个阶段为：均值主导的阈下动力学、快速引发尖峰事件以及时延抑制抵消。值得注意的是，我们阐明了噪声存在下临界雪崩的潜在机制，可解释为均值主导区制下 Hopf 分岔附近的随机跨越状态。此外，我们应用集合 Kalman 滤波器来确定并追踪神经元网络的有效连接。该方法在含噪合成 BOLD 信号上得到验证，并能精确重现相应的临界网络活动。我们的结果为理解和建模临界性提供了特殊视角，有助于大脑动力学的规模化建模与计算。
引用
@article{arxiv.2309.03348,
title = {A General Description of Criticality in Neural Network Models},
author = {Longbin Zeng and Fengjian Feng and Wenlian Lu},
journal= {arXiv preprint arXiv:2309.03348},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:1803.06180 by other authors