时滞耦合随机集合的增强矩方法：II. FitzHugh-Nagumo模型
无序系统与神经网络
2009-11-10 v3 统计力学
定量方法
摘要
研究了受白色噪声驱动的时滞耦合FitzHugh-Nagumo (FN)神经元集合动力学。采用直接仿真和半解析性增强矩方法(AMM)[H. Hasegawa, E-print: cond-mat/0311021]进行研究。对于N单元FN神经元集合，AMM将原始的2N维随机时滞微分方程(SDDEs)转化为无限维确定性微分方程(DEs)，用于局部和全局变量的均值和相关函数。无穷阶递归DEs在第m级AMM(AMM)中被在有限水平终止，产生8(m+1)维的确定性DEs。当施加单个尖峰时，如果耦合强度、延迟、噪声强度和/或集合大小的参数组合适当，振荡可能被诱导。研究了这些参数对振荡出现及FN神经元集合同步性的影响。结果表明，同步在非振荡态与振荡态之间的转换上 exhibits 波动诱导的增强。AMM5计算得到的结果与直接仿真的结果在相当好的一致性。
关键词
引用
@article{arxiv.cond-mat/0311183,
title = {An augmented moment method for stochastic ensembles with delayed couplings: II. FitzHugh-Nagumo model},
author = {Hideo Hasegawa},
journal= {arXiv preprint arXiv:cond-mat/0311183},
year = {2009}
}
备注
15 pages, 3 figures; changed the title with correcting typos, accepted in Phys. Rev. E with some changes