一类离散生物神经元模型及其网络的动力学分析.pdfVIP

中文摘要 摘要 本文主要分析了一类离散神经元模型的动力学行为。在第一章中，我们主 要介绍了本论文所需要的主要的数学工具。在第二章中，推广了Rulkov的神经 元模型，并且分析了在不同的参数范围内，该系统产生的不同的动力学行为。 同时用数值模拟的方法发现该系统可以产生Canard解。第三章主要是用数值模 拟的方法阐述神经网络在不同耦合结构下产生的同相同步和反相同步现象。 关键词：神经元．分叉分析，同步 中图法分类号；019 一Il— 英文摘要 Abstract In tools will inthis 1，we themathematicalwhichwe use papper．InChap— Chaptergive ter neural different behaviorof Ru墩ov’S model,we 2，viageneralize analyse dynamical the modelwhenthemodel’s is wefound Rulkov’S different,and generalized parameter thereis Canardinthemodelnumericalmethod．In numericalsimu— a 3，via by Chapter discuss and oftheneural the lation，we in—phaseantiphasesynchronizationphenomenon networks． Words： Key neural，bifurcationanalysis，synchronization number：019 ClIin嚣e Classification Library ．。III—- 前言 前言 生物神经网络的动力学行为表现出高度的复杂性以及高度非线性，因此， 在研究生物神经网络的整体动力学行为时，数值方法几乎是唯一的手段。否 则，几乎不可能正确的理解生物神经网络的动力学规律以及其中的信号、信息 传递规律。从生物试验所得的数据分析可知，在作数值模拟时，要综合考虑神 经网络中神经元的耦合结构以及单个神经元的动力学行为，这也是研究生物神 经网络要克服的两个难题。 单个神经元所表现的复杂的动力学行为是整个神经网络表现出高度复杂性 的一个重要因素。它表征了神经元膜通道中各种离子电流的动态行为，而这些 离子电流的产生和相互作用是一个高维数、高度非线性的动态过程，因此，基 于膜通道的单个神经元模型通常是由大量的非线性微分方程组成。而这种高度 非线性动态系统成为研究神经网络整体动力学行为的最大障碍，甚至使其无法 研究。另外，神经网络的耦合结构及性质对神经网络的同步也有重要的影响。 对于单个神经元模型，我们利用迭代系统建模，可以只用一个二维迭代系 统模拟单个神经元的动态行为；对