34、抽象模型与现实模型的联系：吸引子动力学与振荡

抽象模型与现实模型的联系：吸引子动力学与振荡

1. 引言

在大型网络的模拟中，许多研究聚焦于大量神经元群体的平均活动随时间的变化，其中吸引子动力学和振荡是重要的研究方向，这些现象在更简单、更抽象的模拟中也能得到描述。

2. 连续 firing rate 模型中的吸引子动力学

2.1 情景记忆功能的抽象网络模拟

众多情景记忆功能的抽象网络模拟被开发出来。这些模型受海马结构解剖学的启发，利用网络模拟人类在记忆任务中的表现。其记忆功能源于吸引子动力学，在海马 CA3 区域的模拟中，强烈的循环兴奋驱动网络进入特定的学习活动模式。“吸引子”意味着不同初始条件的输入模式可以引发相同的最终神经元活动模式，这使得记忆检索能够独立于检索线索的变化。

2.2 早期吸引子模型的问题与改进

早期吸引子模型用 sigmoid 函数限制神经元的最大输出水平，但这被认为不现实，因为皮质结构的记录显示神经元放电频率很少超过 100 Hz，而电流注入时可超过 300 Hz。新的吸引子模型通过多种方式解决这一问题，如平衡神经元的兴奋和抑制影响。这些模型采用连续 firing rate 表示和瞬时突触效应，避免了使用尖峰输出带来的时间变异性问题。

2.3 生物网络活动的建模

在描述生物网络活动时，分别对兴奋性单元和抑制性单元群体的活动进行建模是有用的。这里使用的数学表示的动力学最早由 Wilson 和 Cowan 研究，这种表示已用于研究包括梨状皮质、海马和体感皮质等皮质网络的动力学。

2.4 兴奋性和抑制性神经元群体平均膜电位的变化

兴奋性和抑制性神经元群体