51
个编辑
更改
无编辑摘要
</math>
</math>
这样，在某个临界阈值以下，广义和狭义的解并存。在这两者中，更广义的解是稳定的。对于平滑的 sigmoidal 发射率，没有已知的封闭形式的空间局部解，尽管使用最初为研究四阶图案形成系统而开发的技术已经获得了对多凹凸解决方案形式的深入了解 (Laing & Troy 2003)<ref>C R Laing and W C Troy. PDE methods for nonlocal models. SIAM Journal on Applied Dynamical Systems, 2:487–516, 2003.</ref>。静止的活动颠簸可以表现出各种动态不稳定性，包括 Hopf 分岔到空间局部振荡解或呼吸器(Folias & Bressloff 2004<ref>S E Folias and P C Bressloff. Breathing pulses in an excitatory neural network. SIAM J. Appl. Dyn. Syst., 3:378-407, 2004.</ref>，Coombes & Owen 2004<ref>S Coombes and M R Owen. Evans functions for integral neural field equations with Heaviside firing rate function. SIAM Journal on Applied Dynamical Systems, 34:574–600, 2004.</ref>)。
这样，在某个临界阈值以下，广义和狭义的解并存。在这两者中，更广义的解是稳定的。对于平滑的 sigmoidal 发射率，没有已知的封闭形式的空间局部解，尽管使用最初为研究四阶图案形成系统而开发的技术已经获得了对'''多颠簸解(multi-bump solutions)'''形式的深入了解 (Laing & Troy 2003)<ref>C R Laing and W C Troy. PDE methods for nonlocal models. SIAM Journal on Applied Dynamical Systems, 2:487–516, 2003.</ref>。'''静止的活动颠簸(stationary activity bump)'''可以表现出各种动态不稳定性，包括 Hopf 分岔到空间局部振荡解或'''呼吸器(breather)'''(Folias & Bressloff 2004<ref>S E Folias and P C Bressloff. Breathing pulses in an excitatory neural network. SIAM J. Appl. Dyn. Syst., 3:378-407, 2004.</ref>，Coombes & Owen 2004<ref>S Coombes and M R Owen. Evans functions for integral neural field equations with Heaviside firing rate function. SIAM Journal on Applied Dynamical Systems, 34:574–600, 2004.</ref>)。
'''活动颠簸(activity bump)'''的一个可能的计算角色是根据空间结构化网络中颠簸的峰值位置对一组刺激特征进行编码。在同构网络的情况下，允许的特征集将形成反映网络底层拓扑的连续'''流形(manifold)'''（'''吸引子(attractor)'''）。因此，周期性刺激特征可以由同质环网络中的活动颠簸编码（Ben-Yishai et al. 1995<ref name=":7" />，Zhang 1995<ref name=":9" />）。然而，同质网络的后果之一是，相对于与连续流形相切的空间平移，颠簸将略微稳定。这意味着在存在任意小的噪声水平的情况下，活动颠簸会随着时间缓慢漂移（Laing & Chow 2001<ref>C R laing and C C Chow. Stationary bumps in networks of spiking neurons. Neural Comput., 13:1473–1494, 2001.</ref>）。构建对噪声具有鲁棒性的神经场模型的一种方法是引入某种形式的细胞双稳态（Camperi & Wang 1998<ref>M Camperi and X-J Wang. A model of visuospatial short-term memory in prefrontal cortex: recurrent network and cellular bistability. J. Comp. Neurosci., 5:383-405, 1998.</ref>，Fall et al. 2004<ref>C P Fall, T J Lewis and J Rinzel. Background-activity-dependent properties of a network model for working memory that incorporates cellular bistability. Biological Cybernetics, 93:109-18, 2004.</ref>）。
===行波===
===行波===
</math>
</math>
[[文件:Pinto.jpg|链接=link=Special:FilePath/Pinto.jpg|替代=|左|缩略图|图5 切片实验中传播的电活动波，来自 [http://www.bme.rochester.edu/bmeweb/faculty/pinto.html Pinto Lab] (经过允许)。 左：来自 16 个电极的线性阵列的局部场电位记录。 右：该字段的平滑颜色编码版本。]]
[[文件:Pinto.jpg|链接=link=Special:FilePath/Pinto.jpg|替代=|左|缩略图|图5 切片实验中传播的电活动波，来自 [http://www.bme.rochester.edu/bmeweb/faculty/pinto.html Pinto Lab] (经过允许)。 左：来自 16 个电极的线性阵列的局部场电位记录。 右：该字段的平滑颜色编码版本。]]
现在，Richardson 等人在真实的神经组织（浸泡在 GABA_A 阻滞剂印防己毒素中的大鼠皮质切片）中间接确定了波速对阈值 h 的强烈依赖性。 2005. 这些实验利用了这样一个事实，即皮质神经元具有长的顶端树突，并且很容易被电场极化，并且癫痫样爆发可以由刺激电极引发。跨切片施加的正（负）电场增加（降低）波传播速度，这与假设正（负）电场降低（增加）阈值 h 的神经场理论的理论预测一致。
现在，Richardson 等人在真实的神经组织（浸泡在 GABA_A 阻滞剂印防己毒素中的大鼠皮质切片）中间确定了波速对阈值 h 的强烈依赖性(Richardson et al. 2005<ref>K A Richardson, S J Schiff, and B J Gluckman. Control of traveling waves in the mammalian cortex. Physical Review Letters, 94:028103, 2005.</ref>)。 这些实验利用了这样一个事实，即皮质神经元具有长的顶端树突，并且很容易被电场极化，并且'''癫痫样爆发(epileptiform bursts)'''可以由刺激电极引发。跨切片施加的正（负）电场增加（降低）波传播速度，这与假设正（负）电场降低（增加）阈值 h 的神经场理论的理论预测一致。
行波的'''分岔结构(bifurcation structure)'''可以使用所谓的'''埃文斯函数(Evans function)'''来分析。这最初是由 Evans (1975)<ref>J Evans. Nerve axon equations: IV The stable and unstable impulse. Indiana University Mathematics Journal, 24:1169–1190, 1975.</ref> 在关于'''霍奇金-赫胥黎(Hodgkin–Huxley)'''类型的可兴奋神经轴突方程的稳定性定理的背景下制定的。这个复解析函数的零点决定了算子的法线谱，该算子是通过将系统关于其行波解进行线性化而获得的。神经场模型的扩展是最近才出现的，对于 Heaviside 放电率函数的特殊情况，现在已经研究了几个模型（Coombes & Owen 2004, 2005<ref>S Coombes and M R Owen. Bumps, breathers, and waves in a neural network with spike frequency adaptation, Physical Review Letters, 94, 148102, 2005.</ref><ref>S Coombes and M R Owen. Evans functions for integral neural field equations with Heaviside firing rate function. SIAM Journal on Applied Dynamical Systems, 34:574–600, 2004.</ref>）。
大多数神经场模型中的一个常见假设是网络是同质的和各向同性的，也就是说，权重分布取决于网络内互相作用的群体之间的距离。然而，由于在皮层表层中发现的长程水平连接的'''斑块性质(patchy nature)'''，真正的皮层更现实地被建模为各向异性和不均匀的二维介质（Bosking et al. 1997<ref>W H Bosking, Y Zhang, B Schofield and D Fitzpatrick. Orientation selectivity and the arrangement of horizontal connections in tree shrew striate cortex. J. Neurosci., 17:2112-2127, 1997.</ref>）。权重分布的'''各向异性(Anisotropies)'''可能导致不同方向的波速变化，而'''不均匀性(inhomogeneities)'''可能导致随时间变化的波剖面，并可能导致波传播失败（Bressloff 2001<ref>P C Bressloff. Traveling fronts and wave propagation failure in an inhomogeneous neural network. Physica D, 155:83-100, 2001.</ref>）。
[[Category:Synchronization]]
[[Category:Synchronization]]