基于放電特性的神經(jīng)元模型參數(shù)辨識的研究.pdf

1、神經(jīng)系統(tǒng)信息編碼機制是揭示腦功能的關(guān)鍵環(huán)節(jié)，神經(jīng)元模型分析是研究神經(jīng)信息編碼的重要方法。然而現(xiàn)有模型的參數(shù)和結(jié)構(gòu)并不能描述所有電生理實驗獲得的神經(jīng)元放電行為，根據(jù)實驗或模型數(shù)據(jù)修正模型參數(shù)使其能夠呈現(xiàn)期望放電特性成為了神經(jīng)元建模分析研究的重點之一。因此，本文提出了根據(jù)神經(jīng)元放電特征實現(xiàn)神經(jīng)元模型參數(shù)辨識的方法。
　　首先依據(jù)神經(jīng)元的放電軌跡，利用Back Propagation（BP）神經(jīng)網(wǎng)絡(luò)辨識參數(shù)。（1）利用神經(jīng)元模型的輸入輸

2、出數(shù)據(jù)進行 BP神經(jīng)網(wǎng)絡(luò)學習，令網(wǎng)絡(luò)呈現(xiàn)該模型輸入輸出特性，并能準確預測放電軌跡。（2）采用 BP神經(jīng)網(wǎng)絡(luò)對真實神經(jīng)元電生理實驗數(shù)據(jù)進行辨識，使網(wǎng)絡(luò)學習神經(jīng)元輸入輸出特性，以一定精度預測放電軌跡。
　　其次，提出利用粒子優(yōu)化算法（PSO）實現(xiàn)丘腦神經(jīng)元帕金森（PD）放電特性相關(guān)參數(shù)辨識。（1）提出TC模型的中繼可靠性決定PD狀態(tài)，因為TC模型的中繼可靠性主要與大腦基底神經(jīng)節(jié)（BG）到 TC的抑制性突觸電流和鈣離子電導相關(guān)，因此本文

3、基于TC模型的中繼可靠性等特征，對這兩個PD相關(guān)參數(shù)進行辨識。（2）基于PSO算法，實現(xiàn)基于TC模型PD放電特征的相關(guān)參數(shù)估計，使辨識出的模型具有相同 PD放電特性，能有效預測放電特征。（3）任意給定期望中繼可靠性數(shù)值，利用 PSO算法進行模型參數(shù)估計，使辨識出的模型產(chǎn)生了期望的放電特征。
　　最后，依據(jù)神經(jīng)元的自適應(yīng)特性利用PSO算法實現(xiàn)了神經(jīng)元模型參數(shù)辨識。（1）首先從神經(jīng)元模型數(shù)據(jù)中提取自適應(yīng)相關(guān)的放電特征進行參數(shù)估計，令辨