耦合快慢神经元模型的时间序列分析：从赫斯特指数到格兰杰因果
混沌动力学
2025-07-21 v1
摘要
我们对小型网络进行时间序列分析，其中每个节点都是 Schaeffer 和 Cain 提出的变性 Morris-Lecar 神经元的快慢版本。我们选择了文献中流行的耦合策略，并详细描述了改变其强度如何驱动小型网络的动力学。时间序列分析算法包括测量其持久性（记忆过去值的能力）、不规则性、混沌和拟周期性，以及网络内每个节点时间序列之间的同步性。在抑制性耦合强度以及当耦合对温度敏感且温度高于参考温度时，观察到混沌。当耦合非常弱时，我们观察到拟周期性；当耦合强度高度兴奋时，观察到同步爆发。在某些情况下，我们还观察到衰减振荡。最后，进行了因果检验以检测一个神经元的动力学是否影响耦合系统中另一个神经元的动力学。
引用
@article{arxiv.2507.13570,
title = {Time series analysis of coupled slow-fast neuron models: From Hurst exponent to Granger causality},
author = {Indranil Ghosh and Hammed O. Fatoyinbo and Sishu S. Muni},
journal= {arXiv preprint arXiv:2507.13570},
year = {2025}
}