噪声环境下非线性整合发放神经元模型的随机共振

来源 :合肥工业大学 | 被引量 : 0次 | 上传用户:feihuiy
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
随机共振现象是指系统在信号和噪声的协同作用下产生的一种非线性现象,适当强度的噪声能够使系统中微弱的信号放大,从而有助于系统对微弱信号的检测与传输。噪声在神经系统中普遍存在,噪声会引起神经系统的随机共振,并能够改善神经系统对微弱信号的检测和传递能力。本文根据神经元放电活动的特性,建立带有周期信号和噪声的整合发放神经元模型,探究在噪声活动下神经元系统是否能产生随机共振现象。本文从两个方面讨论了神经系统的随机共振问题。一方面在模型中同时考虑信号噪声与背景噪声的作用,运用随机平均法推导出线性整合发放模型下神经元系统的输出幅值增益切确表达式,考察背景噪声、信号噪声相关时间和信号噪声与背景噪声两噪声的关联强度对神经元系统输出幅值增益的影响。另一方面基于非线性整合发放神经元模型研究了乘性信号和突触噪声与离子通道噪声协同作用下神经元系统随机共振现象,运用积分路径法和两态模型理论得出非线性整合发放神经元模型的Fokker-Planck方程和信噪比表达式,通过数值模拟我们观察到在不同的系统参数下非线性积分放电神经元模型中出现传统意义上的随机共振以及双随机共振现象。同时得出离子通道噪声强度的增大能够增强神经元系统的随机共振效应,而突触噪声强度的增大会削弱神经元系统的随机共振效应。
其他文献
在函数型数据分析中函数型回归模型是最重要的统计模型,它的主要作用是探究响应变量和函数型解释变量之间的关系,而最常用的是函数型非参数回归模型,而为了解决非参数回归中的“
随着信息科学的快速发展,信息与网络安全日益普及到人们日常生活的各个领域。数字签名保证了传送文档的完整性、机密性、身份认证和不可否认性。零知识证明广泛应用于密码学领
网络控制系统中的传输时延和数据丢包是不可避免的,时延和丢包常常会导致系统不稳定.利用模型预测控制方法设计对网络时延和数据丢包具有一定补偿作用的网络模型预测控制,可改
本文将小波分析与神经网络、可加外生变量的非参数模型相结合对上证综指月度收盘指数进行研究,该方法发挥了小波分析的时频局部化特征和神经网络的非线性映射功能,同时又考虑了
凸函数是数学理论中极为重要的一个概念,它具有许多良好的性质,不仅在数学基础理论研究中发挥着重要作用,而且广泛应用于众多学科.凸函数理论自上世纪初建立以来,它一直是非常活