级联神经系统网络结构预测刺激传播与恢复
神经元与认知
2019-11-12 v2
摘要
许多神经系统表现出以连续的神经元放电序列为特征的级联行为。这一空白阻碍了对网络结构的变化如何体现在神经动力学中、并如何支持或妨碍信息处理的理解。在此,我们从理论上阐明网络结构如何通过网络动力学支持信息处理,并利用经验数据验证了我们的理论。使用广义放电模型以及来自线性系统理论、网络控制论和信息论的数学工具,我们展示了如何设计网络结构以在时间上延长特定刺激模式的传播与恢复。此外,我们观察到环路是此类网络中普遍存在的结构与动态基序。广义而言,我们的结果展示了级联神经网络如何有助于需要神经元模式持续激活的认知功能,如工作记忆或注意力。
引用
@article{arxiv.1812.09361,
title = {Network structure of cascading neural systems predicts stimulus propagation and recovery},
author = {Harang Ju and Jason Z. Kim and Danielle S. Bassett},
journal= {arXiv preprint arXiv:1812.09361},
year = {2019}
}