生物神经网络系统突触连接的可塑性 - 第六届全国复杂网络学术会议.pptVIP

Hebb学习理论的发展（三） 郑鸿宇等根据实际生物神经元之间的连接强度随时间变化的特点，首先构造了一个Hodgkin-Huxley 方程为节点动力学模型的动态变权小世界生物神经网络模型，然后研究了该模型神经元的兴奋特性、权值变化特点和不同的学习系数对神经元的兴奋统计特性的影响。 最有意义的结果是,在同样的网络结构、网络参数及外部刺激信号的条件下，学习系数b 存在一个最优值bopt ，使生物神经网络的兴奋度在bopt 处达到最大。 * Hebb学习理论的发展（四） 脉冲时间依赖的突触可塑性（spike-timing dependent plasticity, STDP）现象的发现，使Hebb学习律更为精确定量，时间在数十毫秒之内，为时间编码理论（而不是长时程的平均发放）提供了直接证据。STDP的发现也是Hebb的细胞集群理论的一个实验证据。 STDP的突触修正规律是一种快速的变化，可能对学习效果产生影响，同时表明不同类型的时间窗口可能对学习的结果有关键性的作用。 因此STDP的发现以及其理论可能对现有的学习算法产生重大影响。 * Hebb学习理论的发展（五） Dayan Abbott（2001）提出了一个STDP规则指导下的学习律。它仅是描述了STDP的可塑性，这种方式的可塑性对学习过程究竟有什么好处，及多种窗口函数情况下学习过程有何不同等问题还需要进一步考虑。 Johannes J. Letzkus 讨论了局部突触的时间依赖可塑性的学习规则，结果表明突触是根据局部规则改变而不是全局的，局部突触是时间依赖可塑性的关键。 * * 四、一些思考 生物神经网络系统的神经元特性、耦合方式和网络拓扑结构与网络动态特性和功能密切相关。神经突触和树突反映神经元的耦合特性，对神经信息的加工和传导功能有十分重要影响，因此生物神经系统的突触和树突动力学研究对于了解和分析大脑的学习和记忆功能具有十分重要的理论意义和应用价值。 在研究中要注意针对真实的生物神经系统特点建模和分析，根据生理解剖结构和实验数据分析进行网络模型的构建和动力学特性的预测。 一些思考（续一） 目前多数神经网络研究基本考虑的是不依赖于时间的、双向、对称、无权连接矩阵的耦合方式。实际上，大脑的学习和记忆功能是与脑皮层神经元间连接强度的变化规律有关的，即通过突触可塑性去实现，因此在生物神经网络动力学研究中采用时变、加权、非对称连接矩阵更为合理。 我们需要根据实验结果建立各种神经突触模型和进行突触可塑性的定性和定量分析，供研究在生物神经网络模型中时变连接方式之用。 * * 一些思考（续二） 当前在神经元网络特性的动力学理论和应用中，还需要加强下列方面的研究： （1）神经突触可塑性对放电模式、同步活动、时空活动的动力学分析的影响。 （2）神经突触可塑性对信息整合功能，神经信息传导的 远距离性质、保真性和鲁棒性等的影响。 （3）建立和分析突触与树突的相互作用回路。 （4）对不同脑皮层区的神经元群体和脑深部行为的探索。 * 感 谢 指 导! * * 和 * * * * * * * 第六届全国复杂网络学术会议 生物神经网络系统的突触连接的可塑性 与学习记忆功能 　 北京航空航天大学　 陆启韶 2010.10.17 目录 一、生物神经网络系统 二、神经突触可塑性动力学研究 三、神经学习记忆功能研究 四、一些思考 * 前言 生命体主要活动： 物质运动--- 机械、电磁、化学等作用 信息活动--- 生长信息、认知信息、集群信息 这两种活动 密切相关，为此需要深入研究它们的相互作用。生物神经网络系统的动力学研究突出地反映这个问题。 复杂网络系统的理论已经重要成果，当前的一个发展趋势是在生物网络系统中的应用。 ian* * 一、生物神经网络系统 神经元 神经元集群 脑的特定区域 皮层的大规模组织 全脑 大脑 生物神经网络系统概述（一） 生物神经系统作为产生感觉、学习、记忆和思维等认知功能的器官系统，是多层次的超大型信息网络，也是目前发现的最复杂的非线性网络系统。 神经信息传导和整合过程是通过神经网络系统实现的，因此神经系统的网络动力学行为与其信息活动和认知功能密切相关。为了进一步探讨脑神经信息传导过程和认知、思维、控制等功能的需要，必须深入研究神经网络系统的丰富动力学问题。 * * 生物神经网络系统概述（二） 生物神经元的类型和连接形式的多样性使得神经网络系统具有复杂的拓扑结构和动态特