在有限大小的随机神经网络中通过内源噪声调制诱导的同步:一个随机平均场研究
J Lefebvre1,2,3, A Hutt4
1Krembil Brain Institute, University Health Network, Toronto, Ontario M5T 0S8, Canada.
Chaos (Woodbury, N.Y.)
|December 6, 2023
概括
这项研究用一种新的随机平均场模型解释了认知任务期间大脑信号的变化. 这些发现揭示了神经信息处理如何影响大脑同步和脱同步 (ERS/ERD).
科学领域:
- 计算神经科学是一种神经科学.
- 认知神经科学 认知神经科学
- 理论神经科学 理论神经科学
背景情况:
- 与事件相关的同步和脱同步 (ERS/ERD) 是认知任务期间观察到的关键神经动态.
- 了解ERS/ERD对于破译大脑中神经信息处理至关重要.
- 现有的模型不能完全捕捉神经信息对内源噪声水平的影响.
研究的目的:
- 提出和验证一个随机平均场模型来解释马频率ERS/ERD.
- 研究有限网络大小对神经同步的影响.
- 探索潜在的内源性噪声调制方案,影响大脑同步.
主要方法:
- 开发一种随机平均场模型,其中包含神经信息对噪声的影响.
- 导出新的分析结果,考虑有限的网络大小.
- 对ERS/ERD现象进行数值模拟,并与模型预测进行比较.
主要成果:
- 平均场模型成功地解释了在马频率中观察到的ERS/ERD模式.
- 有限网络大小引入了无限网络模型无法捕捉到的独特效果.
- 确定了几种内源噪声调制方案,可以影响系统同步.
结论:
- 拟议的随机平均场模型为理解ERS/ERD提供了一个强大的框架.
- 神经信息处理显著影响内源神经噪声和随后的同步.
- 研究结果提供了对调节大脑网络动态的潜在机制的见解.
