可激元件树状网络中的涌现随机振荡与信号检测

我们研究树状网络上强耦合可激元件的随机动力学。外围节点接收独立的随机输入，可能诱导通过树枝传播的大尖峰事件，并导致网络中的全局相干振荡。该场景可能与某些感觉神经元的动作电位生成相关，这些神经元拥有有髓远端树状树突分支，其外围和分支节点处具有 Ranvier 可激节点，并表现出噪声周期动作电位序列。我们关注中心节点的尖峰统计，其响应于外围节点的噪声输入而放电。我们表明，在与有髓树突树相关的强耦合区中，尖峰序列统计可由具有根据网络拓扑重标度参数的孤立可激元件预测。此外，我们表明通过改变网络拓扑，中心节点的尖峰序列统计可被调谐为具有特定放电率和变异性，或允许对外围节点施加的输入进行最优判别。