论文部分内容阅读
由于具有长程相关性和自相似性,分形布朗运动作为理想的不规则扩散和分形随机行走的基础,在地理,物理,通信和生物化学等许多领域的建模和模拟中都有重要的应用。在一定的非线性系统, 改变输入信号中噪声成分的强度参数,通常可以观察到许多种噪声诱导的反常规现象。随机共振是信号、噪声和非线性就是协同作用的结果。噪声在神经系统中是普遍存在的,研究神经信息处理中的随机共振机理在很长时间以来都是理论神经科学领域的一个重要课题。在神经元或神经网络中随机共振的研究当中,研究者们选择了不同的度量指标揭示噪声的好处,其中包括输出信号的信噪比及其增益,输入输出信号之间的互相关性,传输信号的误差概率和互信息测度等。它们的确从不同的角度刻画了噪声在信息传输中的积极作用。然而,以前的研究主要考虑的噪声是标准布朗运动产生的。由于标准布朗运动在模拟真实的神经元放电行为方面还有一定的局限性,所以有必要对现存的结果进行推广。我们发现当噪声均值落在一个依赖于阈值的区间中时,分形布朗运动可以使神经元的输入输出的互信息或比特数增加,从而表现出随机共振增益现象。我们的两个定理给出 了反馈神经元模型随机共振增益的充分条件。