神經(jīng)元集群小波-聚類編碼的研究.pdf

1、研究目的：本論文研究記憶腦區(qū)(海馬)神經(jīng)元集群電活動的小波一聚類編碼，研究它編碼外界刺激的效能，以期在“細貌”上“劃分”編碼特定刺激的功能的神經(jīng)元集群。本論文的研究對象是記憶關鍵腦區(qū)海馬CA3區(qū)的功能神經(jīng)元集群，期望從神經(jīng)元放電及其各個小波尺度的細貌上“劃分”編碼特定刺激的功能神經(jīng)元集群，探索在不同小波尺度上對刺激的編碼效能，特別是在同時輸入兩類刺激時，研究在某個特定小波尺度上的“細貌”編碼在編碼兩個以上刺激的優(yōu)越性。 研究方法

2、： 1．建立脈沖耦合神經(jīng)網(wǎng)絡(pulse coupled neural network，PCNN)模型，仿真在不同刺激模式(記憶任務)下，海馬CA3區(qū)神經(jīng)元群體電活動的時空序列。 根據(jù)海馬解剖結構的特點，海馬CA3區(qū)的120個神經(jīng)元分為興奮性神經(jīng)元和抑制性神經(jīng)元，其數(shù)量比為5:1；在CA3區(qū)，平均每個興奮性神經(jīng)元與75％的同一層其他神經(jīng)元相連。抑制性神經(jīng)元為全連接，用于調(diào)節(jié)CA3區(qū)神經(jīng)元集群的稀疏放電；神經(jīng)元之間的權重為

3、高斯分布；只有興奮性神經(jīng)元有輸出，神經(jīng)元群體的輸出為稀疏發(fā)放，群體的平均發(fā)放率小于10％(稀疏發(fā)放)。 PCNN模型的輸入為幾類典型的刺激模式：(1)Gaussian分布隨機刺激，周期為0.2sec的正弦刺激以及以上兩類刺激以不同權重的線性疊加；(2)正弦整流刺激，余弦整流刺激以及兩類刺激的線性疊加。PCNN模型在三類刺激下神經(jīng)元集群中每個神經(jīng)元放電的仿真序列中，獲取其ISI時空序列。 2．對仿真神經(jīng)元群體的放電進行聚類

4、編碼： 1)對PCNN模型在不同刺激下的仿真ISI時空序列，應用自組織競爭神經(jīng)網(wǎng)絡的聚類來劃分出功能神經(jīng)元集群； 2)根據(jù)海馬神經(jīng)元群體發(fā)放ISI時空序列的FFT頻譜分布，確定小波分解的尺度為5，對ISI序列進行小波分解，對各個尺度上的ISI子分量進行聚類，劃分在輸入以上三類刺激時，特別是在兩種刺激同時輸入時編碼刺激的功能神經(jīng)元集群。 研究結論： 1．PCNN模型可以有效仿真在三類輸入刺激模式下，海馬CA

5、3區(qū)神經(jīng)元群體的稀疏發(fā)放(平均發(fā)放率小于10％)。 2．聚類編碼信息的效能：在(1)Gaussian隨機刺激下和正弦刺激；(2)正弦整流刺激和余弦整流刺激下，神經(jīng)元集群ISI序列聚類編碼可以劃分表征不同單個刺激的神經(jīng)元集群；但對于劃分兩類刺激的疊加效能不明顯。 3．小波一聚類編碼信息的效能：(1)在Gaussian隨機刺激和正弦刺激下，在第五尺度可以劃分表征兩類刺激的特征神經(jīng)元集群，且編碼效果優(yōu)于聚類編碼信息的效能；(2