单神经元特性如何塑造随机神经网络中的混沌动力学与信号传输
无序系统与神经网络
2019-09-11 v2 神经元与认知
摘要
尽管大多数随机连接网络模型假设节点具有简单动力学，但在现实的高度连接网络中（如大脑中的神经元），节点表现出跨越多个时间尺度的内在动力学。我们分析了节点（如单神经元）的动力学特性与递归连接如何相互作用以塑造大型随机连接网络中的有效动力学。针对强连接的多维速率单元网络，我们提出了一种新颖的动力学平均场理论，表明混沌相中网络活动的功率谱源于单单元频率响应函数的非线性锐化。对于具有强适应的二维速率单元，我们发现网络表现出“共振混沌”状态，其特征是稳健的窄带随机振荡。随机振荡的相干性在混沌起始处最大，其相关时间随单单元的适应时间尺度而缩放。令人惊讶的是，即使适应参数存在异质性，共振频率也可由孤立单元的特性预测。在这些内部生成的混沌涨落存在下，弱低频信号的传输被适应显著增强，而在非混沌 regime 中信号传输不受适应影响。我们的理论框架可应用于单节点层面的其他机制，如突触滤波、不应期或尖峰同步。这些结果推进了我们对单单元动力学与递归连接之间相互作用的理解，这是描述大脑中生物现实网络模型或更广泛地其他物理或人造复杂动力学单元网络的基本一步。
引用
@article{arxiv.1812.06925,
title = {How single neuron properties shape chaotic dynamics and signal transmission in random neural networks},
author = {Samuel P. Muscinelli and Wulfram Gerstner and Tilo Schwalger},
journal= {arXiv preprint arXiv:1812.06925},
year = {2019}
}