随机更新输出IF模型下矩神经网络动力系统.pdfVIP

摘 要 尽管随机输入的单一神经元模型已经在理论和计算神经科学中 被广泛地研究，但大部分研究是在假定输入为独立的Poisson过程情 况下进行的．因为神经元发射和接受发放脉冲一般是更新过程，因 此这种假定是对生理学数据的一种很粗略的近似．我们将考虑更新 输入的情况，它是对神经突触输入的一种更精确的近似． 另外，近年来大量的研究表明，神经元发放的脉冲行为不仅仅受 到输入的一阶矩影响，还受到其输入流的更高阶矩的制约．例如： 具有相同频率的兴奋型和抑制型随机输入流输入到一神经元，在这 种随机输入流的作用下，膜电势偶尔也会高于阀值从而产生脉冲(行 为势)，这与神经网络的假设矛盾，这说明原来构建的网络模型不能 很好的解释实际的大脑神经系统．这是因为一般的神经网络模型没 有很好的考虑“噪声”所带来的影响． 本文主要研究了IF神经元模型随机更新输入的近似问题和基于 礤模型之UAS近似方案建立的矩神经网络(MNN)动力系统模型， 获得了某些实用新结论．具体如下： 第一章：介绍了问题研究背景及本文主要工作； 做了理论与数值上的分析，并在IF模型基础上做了适当推广； 第三章：研究了随机更新输入的IF神经元模型的近似问题，得 到两种新的近似方案(UAS，O