对神经网络的运行机制,尤其是神经元之间的信息传递机制的探索对理解人类的认知行为有重要的意义。有可激发元素的网络作为刻画神经元之间信息传递的离散模型在模拟真实世界的生物和社会系统中被广泛地运用。可激发神经网络的可识别范围量化了可以通过网络响应来确定的外界刺激强度的范围,并且在神经网络处于临界状态时,网络对外部刺激的可识别范围达到最大。在论文中,我重点研究了回溯激活这一动力学行为对同时包含兴奋型节点和抑制型节点的可激发神经网络系统临界行为的影响。研究结果表明,对于那些禁止回溯激活的有冷却状态的网络来说,不管有多强的抑制作用,临界状态发生在仅包含兴奋型节点的网络的加权非回溯(WNB)矩阵的最大特征值λNBE接近1时。相反,对于允许回溯激活行为的没有冷却状态的网络而言,抑制作用的强度通过抑制回溯激活影响了临界状态。随着抑制强度增加,回溯激活更多地被抑制。因此,系统在两个极端的状态中连续地变化:从临界状态由兴奋型节点构成网络的加权邻接矩阵的最大特征值λWE决定,到当λNBE接近1时达到临界状态。对于在这两者中间的系统,当λNBE<1并且λWE>1达到临界状态。通过随机网络和合成神经网络的数值实验,表明回溯激活的确影响可激发神经网络的临界行为。