前馈网络中的中性稳定性、速率传播和临界分支
摘要：功能性神经网络的运行点可能具有几个动力学特性：临界分叉、中性稳定性和产生宽范围的放电模式。我们寻找最简单的设置，以此为基础产生这些属性，从而阐明它们的起源和关系，并将其应用于具有随机、前馈连通性的Mcullohs-Pitts神经元网络。两个关键参数是神经元激发尖峰的阈值和总体前馈连通性水平。当神经元具有较低的阈值时，我们证明总是存在一种连通性，满足所讨论的属性：也就是说，这些网络保留了从层到层的整体放电速率，并在每一层中产生了广泛的活动分布。然而，当神经元具有较高的阈值时，这种现象不会发生。解释这种差异的一个关键工具是由均场马尔可夫链产生的特征结构，因为这揭示了哪些活动模式将从一层保留到另一层。我们将分析从纯兴奋性网络扩展到包括抑制和“局部”噪音的更复杂模型，并发现这两个特征都扩展了网络产生所关注属性的参数范围。
作者：Natasha Cayco Gajic, Eric Shea-Brown
论文ID：1210.8406
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2012-11-01