排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
动态神经元的网络模型 Ⅱ.计算机仿真 总被引:4,自引:3,他引:1
在动态神经元的网络模型的基础上,在计算机上进行了仿真。结果表明,我们的单元模型能再现感受器的适应性、兴奋后抑制、相位锁定和位置编码。由五十个这样的单元构成的侧抑制网络能再现鲎复眼侧抑制网络的瞬态特性,而在达到稳态时则表现出马赫带现象。仿真结果还预测侧抑制网络对运动目标特别敏感。模型有关神经元处理信息的内部机制和外部特性与生物神经元的一致性,以及由此构成的侧抑制网络与鲎复眼侧抑制网络性质的一致性,都提示此模型有希望成为一种更接近于生物神经网络的模型。 相似文献
3.
动态神经元网络模型的复杂性问题 总被引:2,自引:1,他引:1
在动态神经元网络模型中,当神经元总数仅为3时就观察到了非周期振荡。运用Lempel和Ziv提出的复杂性度量对这种现象进行了分析,结果表明对于其中一个神经元所发出的脉冲序列来说,至少直到1000个脉冲为止还不能发现任何的周期性,并且其复杂性可以和由logistic映射所产生的时间序列当其参数落在混沌区中时所具有的复杂性相比拟.这些结果也表明这种方法是所观察的时间范围内区分长周期振荡和非周期活动的好方法。结果还提示神经生理实验记录中所谓的噪声,其中有些可能是来源于生物神经元本身的非线性性质。 相似文献
4.
5.
6.
不同状态下脑电图复杂性探索 总被引:14,自引:2,他引:12
Lempel-Ziv所定义的有限序列的复杂性反映了给定序列随其长度的增长出现新模式的速率,事实上它反映了序列接近随机的程度。将该复杂性度量运用于脑电分析,旨在克服分数维方法的缺陷。文中计算了八种实验条件下脑电图的复杂度,涉及看、听、休息和心算等基本的大脑功能状态,13个被试的16导数据被用于计算分析.结果显示了复杂度在不同电极位置及实验条件下都有变化,睁眼状态的复杂度高于闭眼,而施加任务时有额部大脑活动区域复杂度降低的现象。同时复杂度也提供了一些研究大脑高级认知活动的新思路。 相似文献
1