排序方式： 共有2条查询结果，搜索用时 3 毫秒
1
1.
利用参数互异的Fitzhugh-Nagumo神经元构建了含耦合时滞的无标度神经元网络模型,通过数值模拟的方法,提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学.结果发现,当耦合项中不含时滞时,适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优,即适中的参数异质性能够诱导神经元网络的共振响应,而且异质性诱导共振对耦合强度具有鲁棒性.更重要的是,耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响.当时滞约为信号周期的整数倍时,神经元网络能够周期性地出现共振现象,即适当的耦合时滞能够诱导神经元网络的多重共振,而且这种现象在异质性参数的适当范围内都能明显出现. 相似文献
2.
混合振荡和相干共振广泛存在于生物神经系统，且与某些生理功能有密切联系．本文采用能产生混合振荡的改进FitzHugh–Nagumo神经元模型构建电耦合神经元网络模型．在确定性的网络模型中，发现耦合强度的增大不仅能使得神经元的放电达到完全同步，还能使得放电模式从混合振荡变为周期1峰放电．引入高斯白噪声后，发现当耦合强度在较大范围内时，随着噪声强度的增大，放电峰峰间期的变差系数先增大后减小再增大，即出现反相干共振向相干共振的转迁．该结果不仅扩展了神经元网络的复杂随机动力学，还揭示了混合振荡的潜在功能． 相似文献
1