随机强迫下旋转器网络的自洽解析理论：内禀噪声与共同输入的影响

尽管大脑神经网络极为复杂，对神经动力学的理论描述已带来对可能网络状态与动力学的深刻见解。发展适用于脉冲网络从而能刻画更具生物学真实性网络的动态性质的理论仍具挑战。此处我们基于 van Meegen 与 Lindner 的近期工作，他们表明“旋转器网络”虽比真实脉冲网络简单得多、因而更宜于数学分析，仍能够捕捉脉冲神经元网络的动力学性质。该框架可轻易推广到各单元接收不相关随机输入（可解释为本征噪声）的情形。然而，当单个旋转器接收的输入在单元间强相关时，该理论的假设不再成立。如我们所展示的，此时网络涨落变得显著非高斯，这要求对理论进行重构。利用累积量展开，我们发展了能解释所观测非高斯统计的自洽解析理论。我们的理论为进一步研究更一般的网络构型及这些网络的信息传输性质提供了起点。