论文部分内容阅读
因为突触和膜离子通道的内禀噪声以及神经元的特性和网络连接的随机性，神经元群体的脉冲图案往往不能被精确预测，而是呈现时间和空间随机性。在时间依赖突触可塑性(STDP)下，突触的改变由脉冲序列引起，所以脉冲序列的不可预测性就会导致突触改变的不可预测性。在本文中，我们把突触改变的这种不可预测性称为突触变化性。突触变化性可能对网络的记忆、信息传递等功能产生影响，并且可能会在生长发育过程中影响神经网络的结构。脉冲序列可能呈现不同的统计特性，比如许多神经元可能会同时发放脉冲，脉冲序列有可能呈现规则性或突发性，不同神经元的发放率可能不同，同一神经元和不同的突触前神经元的互相关性也可能不同。在本论文中，我们系统的讨论了当神经元脉冲图案具有不同的上述四种统计特性时，神经元脉冲图案的随机性对突触变化性的影响。 我们采用了以下两种方法研究了上述影响: 在第一种方法中，我们用会聚基元做了研究。会聚基元是一个神经元接受许多神经元输入的简单网络。我们用统计模型来生成会聚基元的脉冲图案，并且调节统计模型的参数使得脉冲图案具有不同的统计特性，然后观察并分析在经典的STDP规则下会聚基元突触改变的方差是怎样随着这些统计特性改变的。我们把突触变化性分为两部分:由不同突触的变化速率的期望的差异导致的漂移部分(DriftV)，以及由脉冲序列的时间随机性带来的突触强度的扩散效应(DiffV)。我们的基本结论是:(1)同步发放和脉冲序列的突发性一般会增强DiffV;(2)如果同步事件的时间尺度小于突触前脉冲在轴突中传播的延迟以及突触后脉冲在树突中反向传播的延迟之差的绝对值，并且同步事件中每个神经元发放的脉冲数目大致一样，那么同步发放可以减小DiffV;(3)如果STDP中的增强过程(potentiation process)和减弱过程(depression process)的强度不平衡，那么发放率异性可以导致DriftV;(4)互相关异性和发放率异性一起导致DriftV。 在第二种方法中，我们首先记录了一个由兴奋性和抑制性积分-发放(LIF)神经元构成的网络的自组织产生的脉冲图案，并用不同的脉冲混排法明显的改变脉冲图案的某个统计性质而保持另一些统计性质基本不变，然后观察当该神经网络按照脉冲混排法处理前后的图案活动的时候，在STDP和突触稳态下所产生的突触变化的方差。通过比较脉冲混排法处理前后的不同脉冲图案所造成的突触改变的方差，我们就可以理解脉冲图案的这一统计性质对突触变化性的影响。采用这一方法，我们一方面从一个具有生物拟真性的脉冲图案出发进一步验证了使用第一种方法得到的结论。另一方面比较了不同的统计性质在LIF神经网络自组织产生的脉冲图案下对突触变化性的影响的大小:我们发现异步态下的脉冲图案的自相关结构对于决定突触变化性具有重要意义，互相关结构是当网络工作在强同步态（也就是在癫痫发作时的状态）时影响突触变化性的最主要因素。这可以为理解在其它理论和实验工作中观察到的脉冲图案下的突触变化性提供借鉴。