神经积分器——一种沙堆模型

我们研究了一种基于迟滞单元并经正反馈连接的神经积分器模型。迟滞被假定源于细胞的内在特性。我们考虑包含双稳态或多稳态神经元的递归网络。我们将分析应用于眼动速度-位置神经积分器，该积分器根据携带眼角速度信息的输入计算眼睛位置。通过在参数空间中对系统进行分析，我们得到如下结果。与未连接神经元的情况相比，具有递归连接的系统中神经元响应的迟滞方向可能发生反转。因此，对于基于NMDA受体的双稳态，在相同眼位下，ON扫视后的放电率可能高于OFF扫视后的放电率。我们认为这是由全局递归反馈的存在所产生的涌现性质。迟滞的反转仅当不同神经元间迟滞大小存在差异时发生。我们还将积分器的宏观泄漏时间常数与迟滞单元中由微观自发噪声驱动的跃迁速率相联系。最后，我们指出具有小迟滞的神经元可能消除积分的阈值。