膜电位自发高低两态活动中的自发发放研究

来源 :第四届全国神经动力学学术会议 | 被引量 : 0次 | 上传用户:hhbsoftware
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  膜电位高低态之间的切换被认为是一种重要的自发周期性活动。这种振荡总是伴随着自发的放电活动。我们以往的理论研究主要着眼于阈下的高低态转换及其动力学特性。本文基于改进的网络模型研究高低两态切换的阈上自发放电活动。模拟结果表明,快速钠电流对自发神经放电的产生至关重要,而持续钠电流在自发振荡中起作用。神经元内部快速和持续性钠动力学共同影响自发放电速率和高低两态行为的同步活动。
其他文献
The nervous system is an important regulation system of human physiology which is through the neurons to experience external stimuli.The different discharge patterns reflect different external stimuli
本文研究在时滞效应下具有自突触连接的大规模复杂FitzHugh-Nagumo 神经网络的非线性动力学行为,分析系统的全时滞稳定性和与时滞相关的稳定性,考察各类分岔产生机理,揭示不同周期振荡、倍周期分岔以及多种共存吸引子等丰富有趣的现象。
In previous works,recurrent inhibitory loops with state-dependent propagation delays,firing process and absolute refractory period have been successfully employed to solve capacity-simplicity dilemma
A neuronal spiking small-world network model of the hippocampus CA3 area is studied.The Izhikevich neuron model is adopted to be a single neuronal vertex in the network model.120 neurons are connected
We construct a general framework of two-dimensional fractional-order oscillators coupled through partial and complete conjugate variables to study oscillation quenching.This paper we use the fractiona
Excessive beta(13-35Hz)oscillations have been observed in the basal ganglia of patients with Parkinsons disease(PD).Understanding how beta oscillations originate and can be reduced are important to im
逼真地仿真大规模生物神经网络系统对于生物神经系统及类脑智能等领域的研究都有重要的意义。本文针对生物神经网络仿真算法的两个重要问题(1)如何提出新的突触电流计算模型,有效降低突触电流计算的资源消耗(实际单个神经元突触数量可达104 条[1],网络中突触的数量远大于神经元的数量,因此突触电流的计算主导了网络仿真计算的计算量);(2)如何有效增强生物神经网络海量状态之间的计算独立性,增强算法的并行性能。
Based on the Hindmarsh-Rose(HR)model,the synchronization dynamics of asymmetric structured a pair of electric coupling neuronal system is investigated in this paper.It is discovered that the time-dela
兴奋性与抑制性平衡是脑皮层神经网络维持正常神经电活动和实现高级认知功能的基础,而兴奋性与抑制性失衡与癫痫、帕金森、抑郁症等神经疾病密切相关,因此研究兴奋性与抑制性动态平衡具有重要科学意义。脑神经网络是一个存在输入扰动和参数摄动的复杂动态系统,而神经生物学研究揭示兴奋性与抑制性平衡具有高度的精确性和鲁棒性,其机制仍有待进一步研究。
神经元产生的放电活动受外加输入的时间和强度的影响。它们之间的关系尚不明朗。我们研究使得神经元产生峰放电个数最多的输入以及产生一定个数的峰放电的最快的输入。基于Leaky Integrate-and-Fire 模型、Theta 模型、HH 模型等,分析了输入的方式和方法,其中把所有的输入一次给完的输入方式我们叫做大输入。我们证明了大输入在某些条件下既是产生放电个数最多的输入也是产生一定数量峰放电最快