9、神经网络学习理论：神经传导与膀胱功能的深度解析

神经网络学习理论：神经传导与膀胱功能的深度解析

1. 神经传导速度分布的对数尺度分析

在神经研究中，为了使梭内运动神经元和副交感神经的峰值更清晰可见，我们采用对数尺度绘制Da和Ea的主要γ峰（Db和Eb）。分布峰值会标记出它们最可能代表的神经组。在E中，分布Eb被分为无额外刺激时的分布（Ec）和有额外刺激时的分布（Ed）。可以观察到，在无刺激分布（Ec）中，静态γ运动神经元峰值（γ22，γ21）最高；而在刺激状态下（Ed），副交感神经（Para）和动态γ运动神经元峰值（γ1）最高。

绘制Db和Eb中的速度对数图时，首先通过传导时间直方图对传导时间进行分组，然后使用列值（传导距离 = 8毫米）来构建传导速度分布曲线。由于副交感神经纤维较细，其单神经纤维动作电位较小，在总和脉冲流量中识别它们的动作电位较为困难。同样，γ运动神经元也很细，不同组之间难以分离，特别是在记录温度较低时。在图7（右上角）的传导速度分布直方图中，副交感神经纤维组与γ运动神经元组无法区分，这使得识别单个γ运动神经元和副交感神经传出纤维的脉冲模式变得困难。

在线性尺度上，传导速度峰值可能会融合，只能部分根据其不同功能进行分离。而通过先构建传导时间的直方图类别，并从列值以对数尺度绘制，速度峰值得以分离。图52D和E显示，线性图（Da，Ea）中融合的γ峰在对数尺度上（Db，Eabc）分裂成不同的峰。由于首先使用线性尺度构建了传导时间的直方图类别，因此也可以研究刺激时峰值或峰值的动态变化。识别单神经纤维动作电位的组对于探索人类中枢神经系统的自组织和学习至关重要。

图52Db和52Eb显示了几个分布峰值，其中γ1和γ21峰可以根据早期的功能考虑来识别。通过比较刺激时和无刺激时获得的速度分布（图52E），