简介:峰放电频率适应性是神经元在信息处理过程中重要的动力学特性之一.当神经系统受到外电场作用时,会对其动力学行为以及神经电信息的产生、传导产生影响.我们基于Leakyintegrate-and-fire(LIF)神经元模型,建立了外电场作用下改进的LIF神经元模型.采用随时间演化的膜电位曲线和峰放电频率曲线,以及随外电场变化的起始峰放电频率曲线和稳态峰放电频率曲线,研究不同强度、频率外电场作用下改进的LIF模型的适应性变化.此外,还利用相邻峰峰间期(ISI)之间的相关性进一步阐明外电场对神经元适应性的影响.
简介:利用参数互异的Fitzhugh—Nagumo神经元构建了含耦合时滞的无标度神经元网络模型,通过数值模拟的方法,提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学.结果发现,当耦合项中不含时滞时,适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优,即适中的参数异质性能够诱导神经元网络的共振响应,而且异质性诱导共振对耦合强度具有鲁棒性.更重要的是,耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响.当时滞约为信号周期的整数倍时,神经元网络能够周期性地出现共振现象,即适当的耦合时滞能够诱导神经元网络的多重共振,而且这种现象在异质性参数的适当范围内都能明显出现.