简单的模型将统计噪声纳入,该模型基于对外部电场驱动的神经反应的修改后的霍奇金-哈克斯利方法

科学领域:

• 计算神经科学是一种计算神经科学.
• 非线性动力学是一种非线性动力学.
• 信号处理 信号处理

背景情况:

• 噪音活动会影响神经网络,并可能通过随机共振增强对弱信号的反应.
• 传统的道噪声建模通常依赖于复杂的多态马尔科夫描述或随机微分方程.

研究的目的:

• 开发一种简单的计算方法,将噪声嵌入到神经反应模型中.
• 为了验证这种新方法与已建立的模型对抗行动潜力发射和尖列车分析.

主要方法:

• 修改后的霍奇金-哈克斯利模型被用来将噪音纳入神经反应模拟中.
• 用不同的激发频率和噪声振幅进行了模拟.
• 使用曼-惠特尼U测试进行了统计比较.

主要成果:

• 修改后的霍奇金-哈克斯利方法与已建立的动作潜能发射模型有很好的一致性.
• 神经尖端之间的时间间隔的分布与复杂的Fox和Lu方法的结果非常相匹配.
• 通过曼-惠特尼U测试发现了统计学上微不足道的差异.

结论:

• 提出的简单计算方法有效地模拟了神经对噪声的反应.
• 与现有的复杂方法相比,这种方法可以显著降低计算成本.
• 潜在的应用包括分析随机电磁信号的空间变化.