自适应神经网络的统计建模解释静息人脑中雪崩与振荡的共存
神经元与认知
2022-07-27 v2 无序系统与神经网络
统计力学
生物物理
摘要
大脑中的神经元连接成自适应网络，表现出一系列集体动力学。例如，振荡是具有确定时间尺度的神经活动典型同步模式。相比之下，神经元雪崩是无标度级联的神经活动，常被视为大脑调谐至临界性的证据。尽管已建立模型分别解释振荡或雪崩，但它们通常无法同时解释这两种现象，要么过于复杂而难以解析分析，要么难以从数据中严格推断。在此，我们提出一类非平衡反馈驱动的类Ising神经网络，可同时定量刻画无标度雪崩与有标度振荡。在最简单却完全微观的模型版本中，我们可解析计算相图，并通过可处理的模型两个本质参数推断直接与人类脑静息态活动记录建立联系。推断出的模型在广泛尺度上定量刻画动力学，从单传感器振荡与多传感器上近同步极端事件的集体行为，到跨多个时间箱在多个传感器上展开的神经元雪崩。重要的是，推断参数与“接近临界性”的模型无关特征相关，表明脑活动中具有标度特异性（神经振荡）与无标度（神经元雪崩）动力学的共存发生于自持振荡起始处的非平衡临界点附近。
引用
@article{arxiv.2108.06686,
title = {Statistical modeling of adaptive neural networks explains coexistence of avalanches and oscillations in resting human brain},
author = {Fabrizio Lombardi and Selver Pepić and Oren Shriki and Gašper Tkačik and Daniele De Martino},
journal= {arXiv preprint arXiv:2108.06686},
year = {2022}
}
备注
29 pages, 20 figures