逆高斯分布輸入下的Integrate-and-Fire模型.pdf

1、對IF模型的研究，國外較早。1907年Lapicque提出IF模型后，具有隨機輸入的單一神經(jīng)元模型已經(jīng)被廣泛研究。但都假定輸入為Poisson分布的情形，而此種假定是對生理學(xué)數(shù)據(jù)的一種很粗略的近似。本文考慮更一般的更新過程(逆高斯過程)作為突觸輸入的逼近，更符合生物模型的實際情況。 本文首先在前人的基礎(chǔ)上采用了兩種較好的近似方法，即找一個與突觸輸入具有相同的均值和方差過程，得到了UAS和OUS近似方案。然后用Matlab做了大量

2、的數(shù)值模擬，以逆高斯輸入為突觸輸入，對IF模型的輸出進行了模擬。發(fā)現(xiàn)這種網(wǎng)絡(luò)通過簡單幾層傳輸后趨于同步，即輸入與輸出服從同種類型分布。比以往Poisson輸入的結(jié)果進步了。 論文內(nèi)容安排如下： 第1章是緒論。主要介紹了神經(jīng)網(wǎng)絡(luò)的研究背景、相關(guān)的預(yù)備知識和本文的主要結(jié)果。 第2章介紹了神經(jīng)元結(jié)構(gòu)、神經(jīng)元信號發(fā)放機制、Hodgkin-Huxley模型、Integate-and-Fire模型及具有穩(wěn)恒輸入的兩種模型的數(shù)

3、值模擬。 第3章給出了Integrate-and-Fire模型下隨機更新輸入的兩種擴散逼近：UAS、OUS。討論了逆高斯輸入下Integrate-and-Fire模型的輸出，包括輸出發(fā)放率、發(fā)放變差系數(shù)、發(fā)放間隔。通過數(shù)值模擬，我們發(fā)現(xiàn)UAS、OUS兩種擴散逼近能夠很好地近似原始的更新輸入，并且隨著發(fā)放率的增大，發(fā)放變差系數(shù)減少，也就是說，發(fā)放波動較小，模型趨于穩(wěn)定發(fā)放。 第4章討論了自然輸入下的Integrate-an