神经场
跳到导航
跳到搜索
神经场方程是组织层面的模型，描述了粗粒度变量的时空演变，例如神经元群体中的突触或放电率活动。
目录
- 1 简介
- 2 生理学动机
- 3 数学框架
- 4 动态行为
- 4.1 模式形成
- 4.2 行波
- 5 参考文献
- 6 外部链接
- 6.1 近期综述
- 7 推荐阅读
- 8 另见
介绍
即使是一小块皮层中的神经元和突触的数量也是巨大的。因此，一种流行的建模方法是采用连续极限并研究神经网络（神经网络中，空间是连续的，并且宏观状态变量等于平均发放率）。首次尝试开发神经活动的连续近似，或可追溯到 1950 年代的 Beurle (1956) 和 1960 年代的 Griffith (1963, 1965)。通过关注给定体积的模型大脑中每单位时间被激活的神经元比例组织，Beurle 能够分析大规模大脑活动的触发和传导。然而，这项工作只处理没有难治或恢复变量的兴奋性神经元网络。Wilson和 Cowan(1972,1973) 在 1970 年代将 Beurle 的工作扩展到包括抑制性和兴奋性神经元以及不应期。Amari (1975, 1977) 在对连通性和放电率函数的自然假设下，在对经活动的连续模型中进行了进一步工作，特别是关于模式形成。Amari 考虑了局部激发和远端抑制对于具有典型皮质连接（通常称为“墨西哥帽连接”）的相互作用的抑制性和兴奋性神经元的混合群体，这是一个有效的模型。
由于这些对动态神经场理论的开创性贡献，类似的模型已被用于研究EEG节律、视觉幻觉、短期记忆和运动感知机制。