基于神经元连接模式的脑网络减边演化博弈算法

神经元间的连接以先增大后减小的方式演化,提示了大脑神经元网络在演化过程中存在"剪除"过程。以"剪除"为启发,首先使用数学方法对大脑网络进行建模;然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中,呈现了中心节点度约为200、小世界特性S1和高效率代价比等性质,表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

基于分层同步的脑结构和功能网络关系研究

脑通过结构分割和功能整合达到局部专注又整体协作的工作模式,因此了解脑结构网络和功能网络之间的关系对深入理解脑活动具有重要意义.将耦合神经元群模型作为脑结构网络中的节点,其协同动力学可以重现脑神经活动的主要特征.基于模型分层同步的时间序列,构造脑功能网络并通过对比脑结构与功能网络的拓扑研究二者的关系.在猫和猿猴脑结构网络上进行的分层同步实验表明,脑结构和功能网络具有相似的连接模式,分层同步活动与结构网络的层次结构具有一致性,并基于结构网络中节点之间的相似性对二者的一致性进行了定量研究.数值试验的结果支持了脑结构网络的分层结构是脑功能分割和整合的基础,并且脑功能的整合和分割是通过神经元集群的协同活动实现的.     

延迟-完全连接H-R神经网络的同步

利用施加时间延迟耦合项的方法,研究多个Hindmash-Rose (H-R)神经元在完全连接网络下的同步情况.分别将耦合强度与时间延迟作为控制参数,寻找2个、3个、6个H-R神经元在完全连接网络下的最佳同步情况,以及能实现同步的耦合强度和时间延迟的取值范围.并且尝试了在施加时间延迟的情况下添加噪声项,控制噪声强度的变化,研究噪声对H-R神经元同步的影响.     

基于神经元连接的脑网络减边演化算法

神经元间的连接以先增大后减小的方式演化,这提示了大脑神经元网络在演化过程中存在“剪除”过程。以“剪除”为启发,本文首先使用数学方法对大脑网络进行建模,然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中呈现了中心节点度≈200、小世界特性S>1和高效率代价比等性质, 表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

国家自然科学基金重点项目“大脑皮层中兴奋和抑制的动态平衡机制研究”介绍

<正>大脑皮层是由神经元通过突触连接形成的超级神经网络,网络中的各种神经环路是实现大脑认知活动的功能模块。皮层网络主要由兴奋性锥体细胞和抑制性中间神经元组成,这些神经元介导的兴奋性和抑制性信号是相辅相成的,两者间的平衡是大脑发挥正常功能的前提,当平衡被打破时会导致皮层网络活动异常以及脑疾病的发生,如焦虑、精神分裂症、癫痫等。因此,研究大脑皮层中兴奋和抑制的动态平衡机制对了解正常脑功能的神经基础和     

基于复杂网络的信号检测与传递

近年来,关于复杂网络的研究已取得了长足的进展,且将复杂网络理论应用于其他学科的研究正方兴未艾.本文简要介绍复杂网络理论在信号检测与传递方面的一些初步研究进展,主要关注三方面的研究成果:(1)复杂网络上的信号放大;(2)与复杂网络有关的信号检测;(3)复杂网络上的自维持振荡.这些阶段性的研究成果从复杂网络的新角度加深了我们对神经元网络宏观动力学行为的微观机制的理解,并有助于刻画信息传递从神经元物理网络向脑功能网络的过渡.     

电磁辐射环境下自组织神经元网络拓扑特性及动力学行为

基于FitzHugh-Nagumo神经元模型,构建了电磁辐射环境下突触连接动态变化的自组织神经元网络模型;采用神经动力学理论和复杂网络方法,研究了不同电磁辐射强度下,自组织神经元网络的连接密度、因果关系、模块化程度、网络效率、同步行为以及兴奋性。发现电磁辐射增强了磁场对神经元的负反馈,减弱了神经元之间的竞争,降低了神经元之间的因果关系;但对神经元网络的连接密度、模块化程度和网络效率的影响较复杂;存在最佳辐射强度,使自组织神经元网络的局部效率和全局效率显著升高。同时,电磁辐射增强了自组织神经元网络固有的同步能力,产生更高的神经元同步放电活动。最后,合适的电磁辐射强度可以增强自组织经元网络的兴奋性,而更高的辐射强度降低了神经元网络的兴奋性。结果表明:电磁辐射对自组织神经元网络的形成具有复杂的调控作用,但存在合适的辐射强度,使自组织神经元网络在结构上具有较强的信息传递能力,在动力学上具有较高的同步放电行为。     

延迟-星形连接H-R神经网络的同步

利用施加时间延迟耦合项的方法,研究Hindmarsh-Rose(H-R)神经元在星形连接网络下的同步情况.分别将耦合强度与时间延迟作为控制参数,探讨4个H-R神经元在星形连接网络下的理想同步情况,给出能实现同步的耦合强度和时间延迟的取值范围.研究发现H-R星形网络具有独特的同步现象.     

静息状态下脑网络建模及功能连接特性

实验采集静息状态下功能磁共振成像数据,经预处理后结合种子相关分析方法、t-检验法以及复杂网络理论和方法构建正常人脑功能网络.针对脑网络构建中种子相关分析法存在阈值设定随意性大的问题,引入两个原则,即设定的阈值需保证网络的整体性和小世界特性,使建立的脑网络模型充分具有实际系统的特征.在建模基础上进一步研究脑网络功能连接特性,发现网络具有明显的小世界特性;并通过计算网络中心化指标推测出后扣带回、楔前叶、楔叶以及顶上小叶等是静息状态下脑功能网络的关键脑区.     

神经网络与某类曲线的预测

神经网络系统(Neural Networks)是人工智能与系统工程的边缘科学.它以分布式存贮和并行协同处理为特色,神经网络被认为是一种非线性方式连接一组输入和输出的系统.这种有代表性的连接关系是由一层或多层神秘的“神经元”制作而成的,神经网络的作用函数通常是非线性函数,当众多的神经元形成一个网络并动态运行时,就构成了一个复杂的非线性动力系统,它可以表示极其复杂的非线性模拟系统.     

由Rssler混沌系统构建的复合型网络的同步

将Rssler混沌系统作为神经元,先建立星形子网络,再将子网络的中心神经元按照完全连接形式连接,构建复合型网络.采用并扩展使2个混沌系统同步的稳定性准则(SC)同步方法,对所构建的复合型网络的同步控制进行理论研究与数值模拟分析.提出了复合型网络的系统耦合方程,以及网络中神经元之间的同步误差发展方程.通过对相关耦合强度因子的控制,将参数对网络同步的形式与过程的影响进行了详细的讨论,得到了复合型网络中可能存在的混沌同步类型与相对应的参数控制范围,并证明了SC同步方法可以有效地解决由星形和完全连接型子网络构成的复合型网络的混沌同步问题.     

脑功能网络建模及分析研究进展

大脑是一种典型的复杂系统,理解大脑的结构以及运作机制对生命科学、医药工程、人工智能等领域重大问题的研究具有重要意义.功能核磁共振成像(fMRI)等技术可以实现比较精细的大脑神经活动信号的无创采集,是观察和分析大脑功能活动的重要辅助技术;同时,复杂网络理论与方法则为探索大脑的工作机制提供了重要的理论和技术基础.本文回顾了近年来基于fMRI等大脑神经活动信号采集技术进行脑功能网络建模与分析的研究进展,包括脑功能连接的相关性、因果性分析,白质纤维束投射连接分析,脑活动状态空间的能量图景分析等.文中介绍了这些方法的原理、适用性及局限性.目前基于数据分析的脑网络建模研究已经取得了丰硕的成果,然而,随着神经影像技术的不断发展及高质量神经活动数据的不断积累,复杂系统理论在脑科学领域的应用仍然具有广阔的前景.     

基于复杂网络的脑电信号回归分析

基于相点距离集合确定脑电信号的相空间重构嵌入维数,并得到时间序列的相空间轨迹.把由相空间轨迹构成的回归矩阵转化为复杂网络的连接矩阵,并用复杂网络的特征参量表征回归矩阵的性质.实验结果表明,由不同生理状态的脑电信号构成的回归矩阵呈现出普适和非普适特征,也就是小世界特征的一致性和聚类结构的差异性.这些结论与实际脑网络的小世界特征和脑功能区域的聚类结构能够很好吻合.     

一种新型联想记忆神经网络

提出了一种新型联想记忆神经网络,记忆容量接近2^N,完全消除了假模式,具有多模式回忆能力,同时具有较高的记忆效率;模式的各个分量分别存储在网络的N个连接中,这些连接构成一个通过网络中所有神经元的被称为“模式环”的单环回路;网络中处理和传递的信号为神经元编号组成的序列,神经元执行一组处理这种序列的符号和逻辑运算;连接由“连接状态”和“禁止路径”组成,前者用于存储信息,后者用于抑制网络中出现的假模式。     

病毒改造标记大脑神经环路

脑科学之所以被视为人类理解自然界和人类本身的"终极疆域",是因为人类大脑被誉为宇宙内最复杂的结构.过去的神经科学研究集中在分子、基因和细胞等微观水平,或基于磁共振成像的结构—功能网络和行为层次等宏观水平(如图1a所示).但大脑复杂的本质是其包含约千亿个神经元,通过约千万亿的突触连接,形成数目近乎无穷的、介观水平的神经环...     

基于复杂网络的磁刺激穴位特异性研究

关于穴位特异性的存在目前尚存争议.首次从复杂网络角度,研究磁刺激合谷穴与磁刺激外关穴作用功效的异同.采集两组健康被试静息态与刺激态下的脑电信号并进行预处理;采用皮尔逊统计指标相关系数考察通道间的关联程度,并对每组10个被试静息态与刺激态近18 000对关联强度值进行统计学分析;计算网络指标节点强度值、介数值,并进行统计学分析.研究结果发现,与合谷穴组相比,外关穴组显著影响的连接不仅包括左额叶与顶叶及枕叶的连接,还包括右额叶与左中央区的连接;网络指标在不同穴位刺激下的变化存有显著差异.本文在证实磁刺激穴位能够改变皮质可塑性的同时,也为进一步证明穴位特异性的存在提供了理论依据.     

脑网络组学构建分析及应用研究

大脑是自然界最为复杂的系统之一。脑网络作为复杂网络理论在神经科学中的重要应用,极大程度上表现了不同尺度的脑结构或功能连接模型,提供了解释人脑这一复杂系统在结构组织及信息加工模式等问题的重要工具。同时,脑网络在脑疾病的临床应用研究中,也已证明很多脑疾病,在网络层面中均体现了不同程度的拓扑结构差异。这些成果为在系统水平上揭示脑疾病的病理机制提供了新的思路。笔者将以脑网络研究为重点,介绍脑网络的构建方法,包括不同影像类型下节点及边的定义方法;关联矩阵的阈值选择及稀疏度的划分方法;网络度量指标的计算,包括度、小世界属性、模块化等;脑网络的比较方法及其在抑郁症的临床应用及未来可能的研究方向。     

既要见"树叶"也要见"森林"——脑联接图谱综述

人类大脑是极其复杂的系统,由种类繁多的神经元、胶质细胞和血管网络组成.神经元通过丰富的树突、轴突网络将不同的脑区联接在一起,时空跨度十几个数量级[1].探究神经信息从哪里来、到哪里发挥作用,需要在全脑范围解析不同区域间的联系,涉及从脑区到突触的多个尺度,好比在森林中探寻树木之间、树叶之间交流的奥秘.     

面向语言模型的神经元连接自动学习方法

在自然语言处理中,由于神经网络的结构需要人工设计,容易导致复杂的神经网络结构中存在大量冗余.为了减少冗余,人们常采用剪枝等模型压缩方法,但是这类方法通过一些与训练过程无关的指标直接对模型进行裁剪时往往造成性能损失.因此探索了一种神经网络中神经元连接的自动学习方法,通过在训练中对神经元连接进行动态生长和删除的方法,可以更好地对网络连接进行动态操作,从而得到更紧凑、高效的网络结构.使用该方法在神经语言模型上进行自动生长和消去,在保证网络性能不变的前提下,网络规模可缩小49%.     

含磁场耦合忆阻神经网络放电行为研究

本文研究复杂神经网络的连接拓扑和耦合强度对其放电行为的影响,以含磁场耦合忆阻Hodgkin-Huxley(HH)神经元为节点,以神经元之间的连接为边,建立Newman-Watts(NW)型小世界神经网络,并通过改变连接拓扑概率和耦合强度研究神经网络放电模式。研究发现:对于一个给定的耦合强度,当连接拓扑概率接近于零时,神经网络没有放电行为;当连接拓扑概率大于阈值时,网络中的神经元会出现放电现象,而且随着连接拓扑概率p的进一步增大,放电强度变得更大。研究结果表明,连接拓扑概率p可以诱导和增强神经网络的电活动,可望为理解真实耦合神经元的集群动力学提供有益的见解。