8、电紧张神经元网络的计算机模拟

电紧张神经元网络的计算机模拟

1. 引言

神经网络模拟的根本目标是更好地理解神经系统的功能。由于其复杂性，从一开始就需要引入简化假设。在许多常用模型中，这些假设包括：
- 每个模型神经元可以处于少数离散状态之一，例如“开启”“关闭”“不应期”。
- 通过指定少数参数（通常仅一个“突触强度”）来概括神经元之间的相互作用，该参数可以随机确定，也可以通过确定性算法或两者结合来确定。
- 神经元的信息处理包括将某个由其他神经元传入信号确定的参数值与某个阈值进行比较。本质上，当该参数值超过阈值时，神经元会转变为其可能状态中的另一个状态。这个参数的一个典型例子是轴丘处的膜电位，它由在特定时间内作用于该神经元的动作电位总和确定，其值决定了神经元是否“放电”。

这种认为单个神经元可以简单描述的假设使得对包含许多模型神经元的网络进行模拟成为可能。然而，在神经系统的一些重要部分，上述简化的模型神经元与现实情况相差甚远。这种简单描述失效的原因之一是，神经元上突触输入的总和是通过沿树突传播的分级（“电紧张”）电位实现的。因此，轴丘处的电压对突触输入的时空模式的依赖可能比简单的时间加权求和复杂得多。

甚至将神经元视为阈值元件（即当某个参数超过特定值时会发生重要变化的元件）的概念，在某些神经回路中也不适用。越来越多的例子表明，神经元的输出是其膜电位的连续函数。在这些例子中，分级电位不仅用于收集和修改单个神经元内部的突触输入，还用于神经元之间的通信。这在从未出现全或无尖峰的系统中，以及由同时通过尖峰和分级电位进行通信的神经元组成的其他系统中都有观察到。

显然，使用具有上述简化特征的模型神经元进行的模拟并不适合对通过电紧张相互作用进行通信的神经网络进行建模。接下