结构化混沌塑造平衡神经网络中的脉冲响应噪声熵

稀疏耦合的兴奋性和抑制性细胞组成的大型网络遍布整个大脑。这些网络的一个显著特征是它们是混沌的。这种混沌如何在神经编码中体现？具体而言，此类网络在响应输入信号时产生的脉冲模式有多大的可变性？为了回答这个问题，我们推导了大型循环脉冲神经元网络在响应波动输入时的多细胞脉冲模式分布熵的界限。该分析基于随机动力系统理论的结果，并辅以详细的数值模拟。我们发现，脉冲模式熵比从单个细胞外推得到的值低一个数量级。尽管随着网络规模的增长，网络耦合变得极其稀疏，这一结论依然成立——这是一种依赖于“广延混沌”的现象，此前已在无刺激驱动的平衡网络中发现。此外，我们展示了脉冲模式熵如何由输入的时间特征控制。我们的研究结果提供了关于神经网络如何在固有混沌动力学存在的情况下编码刺激的见解。