《运动解剖学》课程文献资料（脑科学）基于突触可塑性的复杂系统中信息传输机制的研究

密级： 保密期限： 北京朝電大学 博士学位论文 题目：基于突触可塑性的复杂系统中信 息传输机制的研究 学号： 2014010254 姓名： 王媛 计算机科学与技术 导师： 陈俊亮 学 院：计算机学院（国家示范性软件学院） 2021年5月31日 中国·北京 C)1994-2021 China Academic

密 级 ： 保密期 限 ： ： 傅 士 学 ｆ 位 论 文 麵 曰 ． 基 于 突 触可 塑 性 的 复杂 系 统 中 信 息 传 输鍾綱冑 響■鑛 灣■纖濯 身 ＇ ， ｈ 学 号 ： Ｍ２ ５ ４ 姓 名 ： ￡Ｍ 专 业 ： 计 娜科学 与 技术— 导 师 ： 陈 俊 亮 学 院 ： 计算 机学 院 （ 国 家 示 范 性 软件 学 院 ） ＇ ■ ． ２ ０ ２ １ 年 ５ 月 ３ １ 曰 —

密级： 保密期限： 北京鄣蜜大学 博士学位论文 题目：基于突触可塑性的复杂系统中信 息传输机制的研究 学 号： 2014010254 举 名： 王媛 发 业： 计算机科学与技术 冷 师： 陈俊亮 学 院：计算机学院（国家示范性软件学院） 2021年5月31日 (C)1994-2021 China Academic Joumal Electronic Publishing House.All rights reserved.http:/www.cnki.net

密级 ： 保密期 限 ： 分 耆 仰 ｔ 大 摩 博士 学位论文 题 目 ： 基于突触可塑性的复杂系统 中信 息传输机制 的研究 学 号 ： ２ ０ １ ４ ０ １ ０２ ５ ４ 姓 名 ： 謎 专 业 ： 计算机科学墟术 导 师 ： 陈俊亮 学 院 ： 计算机学院 （ 国家示范性软件学 院） ２ ０ ２ １ 年 ５ 月 ３ １ 日

Secret Level: Confidentiality Period: BEIJING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS Doctoral Dissertation Title Signal Transmission with Synaptic Plasticity in Complex Neural Systems Student No.: 2014010254 Candidate: Yuan Wang Subject: Computer Science and Technology Supervisor: Junliang Chen Institute: School of Computer Science (National Pilot Software Engineering School) May31,2021 (C)1994-2021 China Academie Joumal Electronic Publishing House.All rights reserved.http://www.cnki.net

Ｓ ｅ ｃ ｒｅ ｔ Ｌｅｖ ｅ ｌ ： Ｃｏ ｎ ｆｉ ｄ ｅ ｎ ｔｉ ａ ｌ ｉ ｔｙ Ｐｅ ｒｉ ｏ ｄ ： ？ ＢＥＩＪＩＮＧ ＵＮＩＶＥＲＳＩ ＴＹ ＯＦ Ｐ ＯＳＴＳ ＡＮＤ ＴＥＬＥＣＯＭＭＵＮＩ ＣＡＴＩＯＮＳ Ｄｏ ｃｔ ｏｒ ａｌ Ｄｉ ｓ ｓ ｅｒｔ ａｔｉ ｏ ｎ Ｔｉ ｔｌ ｅ ： Ｓ ｉｇｎ ａ ｌ Ｔｒ ａ ｎ ｓ ｍｉ ｓ ｓ ｉ ｏ ｎ ｗｉ ｔｈ Ｓｙ ｎ ａ ｐｔｉ ｃ Ｐｌ ａ ｓ ｔｉ ｃｉ ｔｙ ｉ ｎ Ｃ ｏ ｍｐ ｌ ｅ ｘ Ｎｅ ｕ ｒａ ｌ Ｓｙｓ ｔｅ ｍｓ Ｓ ｔ ｕｄ ｅ ｎ ｔ Ｎｏ ． ： ２ ０ １ ４０ １ ０ ２ ５４ Ｃａ ｎ ｄ ｉ ｄ ａ ｔ ｅ ： Ｙｕ ａ ｎ Ｗａ ｎ ｇ Ｓ ｕ ｂｊ ｅ ｃ ｔ ： Ｃｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃｅ ａ ｎ ｄ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇｙ Ｓ ｕ ｐ ｅ ｒｖ ｉ ｓ ｏ ｒ ： Ｊｕ ｎ ｌ ｉ ａ ｎ ｇ Ｃ ｈ ｅ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ： Ｓ ｃ ｈ ｏ ｏ ｌ ｏｆ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｓｃ ｉ ｅ ｎ ｃ ｅ （ Ｎａ ｔ ｉ ｏ ｎ ａ ｌ Ｐｉ ｌ ｏ ｔ Ｓｏ ｆｔｗａ ｒｅ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒｉ ｎ ｇ Ｓｃ ｈ ｏｏ ｌ ） Ｍａｙ ３ １ ， ２ ０ ２ １

独创性（或创新性）声明 本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果， 尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京邮电大学或其他教育机构的 学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在 论文中作了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名：+蓝 日期：221.6./ 关于论文使用授权的说明 本人完全了解并同意北京邮电大学有关保留、使用学位论文的规定，即：北京 邮电大学拥有以下关于学位论文的无偿使用权，具体包括：学校有权保留并向国家 有关部门或机构送交论文，有权允许学位论文被查阅和借阅；学校可以公布学位论 文的全部或部分内容，有权允许采用影印、缩印或其它复制手段保存、汇编学位论 文，将学位论文的全部或部分内容编入有关数据库进行检索。（保密的学位论文在解 密后遵守此规定) 本人签名： 日期：221.6.1 、 导师签名： 日期：o.6.1 (C)1994-2021 China Academic Joumal Electronic Publishing House.All rights reserved.http://www.cnki.net

独创 性 （ 或创新性） 声 明 本人声 明 所呈交 的 论文是本人在导师指导下进行的研究工作及取得 的研究成果 。 尽我所知 ， 除 了 文 中 特别加 以标注和 致谢 中 所罗 列 的 内 容 以外 ， 论文 中 不包含其他 人 已 经发表或撰写过 的 研究成果 ， 也不包含为获得北京 邮 电大学或其他教育机构 的 学位或证书而使用 过 的 材料 。 与我 一 同 工作 的 同 志对本研究所做 的 任何贡献均 已 在 论文 中 作了 明 确 的说 明 并表示了 谢意 。 申 请学位论文与资料若有不实之处 ， 本人承担一 切相关责任 。 本人签名 ： Ｉ 氛 日 期 ： 说Ｉ 乂 Ｉ — 、 关于论文使用 授权的说 明 本人完全 了 解并 同 意北京 邮 电大学有关保留 、 使用 学位论文 的 规定 ， 即 ： 北京 由 Ｐ 电大学拥 有 以下关于学位论文 的 无偿使用权 ， 具体包括 ： 学校有权保 留 并向 国 家 有关部 门 或机构送交论文 ， 有权允许学位论文被査 阅 和借 阅 ； 学校可 以 公布学位论 文 的全部或部分内 容 ， 有权允许采用 影 印 、 缩 印 或其 它 复制手段保存、 汇编学位论 文 ， 将学位论文 的 全部或部分 内 容编入有关数据库进行检索 。 （ 保密 的学位论文在解 密后遵守此规定） 本人签名 ： 日 期 ： ６ 、 Ｉ 导师签名 ： １ Ｉ ） 日 期 ： ＾° ４ 丨 』 ， 丨

基于突触可塑性的复杂系统中信息传输机制的研究 摘要 大脑皮层的信息传递是一个异常复杂的过程，神经信息如何在大脑 中进行整合与加工是21世纪科学界的重大挑战。计算神经科学作为一个 结合了生物、物理、数学和计算机等多交叉专业理论和知识的学科，为 理解大脑的信息传递机制开辟了新的路径。在生物脑的认知过程中，突 触可塑性起着关键性的作用，它与人类的学习、记忆和推理等高级认知 功能密切相关。所以突触可塑性对神经系统中信息传递机制的影响是近 年来脑科学研究的热点。本论文通过建立数学理论模型结合计算机模拟 计算的方法，重点关注了突触可塑性对两个耦合神经元、小世界神经网 络以及兴奋抑制平衡神经网络中同步和神经节律的影响。通过理论与实 验相结合，本论文主要工作和结论概括如下： l、深入研究了突触可塑性影响下的两个Hindmarsh-Rose神经元的 簇放电同步行为特性以及神经元的节律转迁过程，耦合方式包括电突触 和化学突触。同时，创造性地引入了一个衡量簇放电神经元同步特性的 数字特征参数，同步窗口。分别探讨了耦合强度与学习速率对耦合神经 元同步的影响以及突触可塑性对耦合神经元节律转迁的影响。研究结果 表明，电突触耦合对神经元的同步具有增强作用。此外，神经元的峰放 电同步和簇放电同步的相互转迁与神经元的初始放电状态具有密切的相 关性。而在化学突触耦合的情况下，无论耦合类型是兴奋性还是抑制性， 增加耦合强度都对神经元的峰放电同步有促进作用，但是兴奋性化学突 触耦合状态下神经元的同步变化更明显。 2、进一步考察了小世界神经元网络中的同步转迁与γ神经节律变 化。用具有不同放电模式的Izhikevich神经元模型，构建了一个具有小世 界网络拓扑结构的复杂网络模型来模拟大脑皮层的皮质区域。研究结果 表明，随着突触连接的权重和每个节点的最近邻耦合神经元个数的增加， C)1994-2021 China Academic Joumal Electronic Publishing House.All rights reserved. http://www.cnki.net

基 于 突 触 可 塑性 的 复 杂 系 统 中 信 息传输机 制 的 研 究 摘 要 大脑皮层 的 信 息 传递是 一 个异 常复 杂 的 过程 ， 神 经信 息如 何在大脑 中 进行整合与加工是 ２ １ 世纪科学界 的重大挑 战 。 计 算神 经科学作 为 一 个 结合 了 生 物 、 物 理 、 数学 和 计 算机等 多 交叉专业理论 和 知 识 的 学 科 ， 为 理解大脑 的 信 息 传递机制 开辟 了 新 的 路 径 。 在 生物 脑 的 认知过程 中 ， 突 触可塑性起着关键性 的 作 用 ， 它 与 人类 的 学 习 、 记忆和 推理 等 高 级认知 功 能密 切 相 关 。 所 以 突触可塑性对神经 系统 中 信息传递机制 的 影 响是近 年来脑科 学 研究 的 热 点 。 本论 文通过建立 数学理论模型 结 合计 算机模拟 计算 的 方 法 ， 重 点 关注 了 突触可塑性对 两个耦合神 经元 、 小世 界神 经 网 络 以及兴奋抑 制 平衡 神经 网 络 中 同 步和 神 经 节律 的 影 响 。 通过理论与 实 验相结合 ， 本论文主要工 作和 结论概括如下 ： １ 、 深入 研究 了 突触可塑 性 影 响 下 的 两 个 Ｈｉ ｎｄｍａｒｓ ｈ－ Ｒｏ ｓ ｅ 神 经 元 的 簇放 电 同 步行 为 特性 以 及神 经元 的 节律转迁过程 ， 耦合方 式包括 电突触 和 化 学突 触 。 同 时 ， 创 造性地 引 入 了 一 个衡量簇放 电 神 经 元 同 步特性 的 数字特征参数 ， 同 步窗 口 。 分别探讨 了 耦合 强度与 学 习 速率对耦合 神 经 元 同 步 的 影 响 以 及突 触可塑性对耦合神 经元节律转迁 的 影 响 。 研究结果 表 明 ， 电 突触耦合对神 经 元 的 同 步具有 增强作 用 。 此外 ， 神 经 元 的 峰放 电 同 步和 簇放 电 同 步 的 相 互转迁与神经元 的 初 始放 电 状 态具 有密 切 的 相 关性 。 而在化 学突触耦合 的 情况下 ， 无论耦合类型是兴奋性还是抑 制性 ， 增 加耦合强度都对 神经元 的 峰 放 电 同 步 有促进作用 ， 但是兴奋性化 学突 触親合状态下神 经元 的 同 步变化更 明 显 。 ２ 、 进一 步考察 了 小 世界 神 经 元 网 络 中 的 同 步 转迁与 ｙ 神 经 节 律 变 化 。 用 具有不 同 放 电模式 的 Ｉ ｚｈｉ ｋｅｖ ｉ ｃｈ 神 经兀模型 ， 构建 了 一 个具有小世 界 网 络拓 扑结构 的 复 杂 网 络模型来模拟 大脑皮层 的 皮质 区域 。 研究结果 表 明 ， 随着突触连 接 的 权重和 每 个节 点 的最近邻耦合神 经元 个数 的 増加 ， Ｉ

同步程度显著提高，并且γ波段节律与同步程度的变化趋向于一致。其 次，CH放电模式的神经元可以更有效诱导网络系统实现完全同步，并且 网络对控制参数的变化更加敏感。最后，采用混合的具有Regular Spiking (RS)放电模式的神经元与具有Chattering(CH)放电模式的神经元来共 同模拟兴奋性神经元，而同样具有Fast Spiking(FS)放电模式的神经元 在整个神经网络中始终扮演抑制性神经元的角色。研究结果发现具有簇 放电模式神经元的神经网络比具有规律峰放电模式神经元的神经网络更 容易达到完全同步，并且更容易受到参数变化的影响。 3、综合地探讨了一个由兴奋性(E)锥体神经元和抑制性()中间神 经元组成的复杂网络，研究spike-timing-dependent plasity(STDP)可塑 性与化学突触之间的相互作用对网络同步和震荡表现的影响。为了探索 兴奋突触可塑性(eSTDP)以及抑制突触可塑性(STDP)在兴奋抑制平衡 神经网络中的同步与振荡行为，综合性分析了三种不同的模型，包括纯 粹由兴奋性锥体神经元与STDP兴奋性突触学习机制构成的复杂网络， 由纯粹的抑制性中间神经元和STDP抑制性突触学习规则组成的复杂网 络，以及由兴奋抑制平衡神经元网络结合混合突触可塑性建立的复杂网 络集群模型。通过改变抑制中间神经元的数量、小世界网络拓扑结构中 连接边的数量和耦合强度，这三个网络表现出不同的同步与振荡行为。 此外，研究发现，eSTDP可以有效地促进同步，而iSTDP对同步没有显 著的影响。有趣的是，在兴奋-抑制平衡神经网络中，eSTDP和iSTDP共 同作用、互相制约，在调控网络平衡与稳定方面发挥着重要的作用 关键词：神经网络小世界网络同步节律兴奋抑制平衡网络 突触可塑性信息传递机制 (C)1994-2021 China Academic Joumal Electronic Publishing House.All rights reserved.http:/www.cnki.net

同 步程度显著提高 ， 并且 ｙ 波段节律与 同 步程度 的 变化趋 向 于一 致 。 其 次 ， ＣＨ 放 电模式 的 神经元可 以更有效诱导 网 络系统实现完全 同 步 ， 并且 网 络对控 制参数 的 变化更加敏感 。 最 后 ， 采用 混合 的 具有 Ｒｅｇｕｌ ａｒ Ｓ ｐ ｉｋｉ ｎｇ （ ＲＳ ） 放 电模式 的 神 经元与具有 Ｃｈ ａｔ ｔ ｅｒ ｉ ｎｇ （ ＣＨ ） 放 电模式 的 神经兀来共 同 模拟兴奋性神经元 ， 而 同 样具有 Ｆ ａｓｔ Ｓｐ ｉ ｋｉ ｎｇ （ Ｆ Ｓ ） 放 电模式 的 神经元 在整个 神 经 网 络 中 始终扮演 抑制性 神经 元 的 角 色 。 研究结果 发现具有簇 放 电模式 神经元 的 神 经 网 络 比具有规律峰放 电模式神经元 的 神 经 网 络更 容易达到 完全 同 步 ， 并且更容 易 受到参数变化 的 影 响 。 ３ 、 综 合地探讨 了 一 个 由 兴奋性 （ Ｅ ） 锥体 神 经 元 和 抑 制性 （ Ｉ ） 中 间 神 经元组成 的 复杂 网 络 ， 研究 ｓ ｐ ｉ ｋｅ － ｔ ｉ ｍ ｉ ｎｇ － ｄｅｐ ｅｎｄ ｅ ｎｔ ｐ ｌ ａ ｓ ｉ ｔｙ （ Ｓ ＴＤＰ ） 可塑 性与化学 突触之 间 的 相 互 作用 对 网 络 同 步和 震荡表 现 的 影 响 。 为 了 探索 兴奋 突触可塑性 （ ｅ Ｓ ＴＤＰ ） 以 及抑制 突触可塑性 （ ｉ Ｓ ＴＤＰ ） 在兴奋抑 制 平衡 神经 网 络 中 的 同 步与 振荡行为 ， 综合性分析 了 三种不 同 的模型 ， 包括纯 粹 由 兴奋 性锥体 神 经 元 与 ｅ Ｓ ＴＤＰ 兴 奋性 突触学 习 机制 构成 的 复杂 网 络 ， 由 纯粹 的 抑制性 中 间 神经元和 ｉ Ｓ ＴＤＰ 抑 制性突触学 习 规则组成 的 复 杂 网 络 ， 以 及 由 兴奋抑 制 平衡神经元 网 络结合混合 突触可塑性建立 的 复杂 网 络集群模型 。 通过 改 变抑 制 中 间 神经元 的 数量 、 小 世界 网 络拓扑结构 中 连 接 边 的 数量 和 耦 合 强度 ， 这 三 个 网 络表现 出 不 同 的 同 步与 振荡 行为 。 此 外 ， 研究发现 ， ｅ Ｓ ＴＤＰ 可 以有效地促进 同 步 ， 而 ｉ Ｓ ＴＤＰ 对 同 步没有显 著 的 影 响 。 有趣 的 是 ， 在兴奋－ 抑制平衡神经 网 络 中 ， ｅ Ｓ ＴＤＰ 和 ｉ Ｓ ＴＤＰ 共 同 作用 、 互相制 约 ， 在调 控 网 络平衡与稳定方面发挥着重要 的作用 。 关键词 ： 神 经 网 络 小 世 界 网 络 同 步 节 律 兴 奋 抑 制 平 衡 网 络 突触可塑性 信息传递机制 Ｉ Ｉ

SIGNAL TRANSMISSION WITH SYNAPTIC PLASTICITY IN COMPLEX NEURAL SYSTEMS ABSTRACT The transmission ofinformation in the cerebral cortex is an extremely com- plex process,and how to integrate and process neural information in the brain is a major challenge for the scientific community in the 21st century.Compu tational neuroscience,as a discipline that combines the theories and knowledge of biology,physics,mathematics and computer science,has opened up a new path for understanding the information transmission mechanism of the brain. Synaptic plasticity plays an especial role in the cognitive process of biological brain,which is closely related to human learning,memory,reasoning and other advanced cognitive functions.Therefore,the study of the influence of synaptic plasticity on the mechanism of information transmission in the nervous system has been a hot topic in recent years. In this study,we focused on the effects of synaptic plasticity on synchro- nization and neural rhythm in two coupled neurons,a small-world neural net- work and an excitation-inhibition balanced neural network by establishing math- ematical models and computer simulation methods.Through the combination of theory and experiment,the main work and conclusions of this paper are sum- marized as follows: 1.The characteristics of cluster firing synchronization behaviors and the neural rhythm transition process of two Hindmarsh-Rose neurons under the in- fluence of synaptic plasticity were studied in depth,including electrical synapses and chemical synapses.At the same time,a digital characteristic parameter,the synchronization window,is creatively introduced to measure the synchroniza- tion characteristics of cluster firing neurons.The effects of coupling strength and learning rate on synchronization of coupled neurons and synaptic plasticity on rhythm transition of coupled neurons were investigated.The results show C)1994-2021 China Academic Joumal Electronic Publishing House.All rights reserved. /www.cnki.net

Ｓ Ｉ ＧＮＡＬ ＴＲＡＮＳＭＩ Ｓ Ｓ Ｉ ＯＮ ＷＩ ＴＨ ＳＹＮＡＰＴＩ Ｃ ＰＬＡＳ ＴＩ ＣＩ ＴＹ Ｉ Ｎ Ｃ ＯＭＰＬＥＸ ＮＥＵＲＡＬ ＳＹＳ ＴＥＭＳ ＡＢ Ｓ ＴＲＡＣ Ｔ Ｔｈｅ ｔ ｒａｎｓ ｍｉ ｓ ｓ ｉ ｏｎ ｏ ｆ ｉ ｎｆｏ ｒｍａｔ ｉ ｏｎ ｉ ｎ ｔｈｅ ｃ ｅ ｒｅｂｒａｌ ｃ ｏｒｔ ｅ ｘ ｉ ｓ ａｎ ｅｘｔ ｒｅｍｅ ｌ ｙ ｃ ｏｍ？ ｐ ｌ ｅｘ ｐｒｏ ｃ ｅ ｓ ｓ ， ａｎｄ ｈｏｗ ｔ ｏ ｉ ｎｔｅｇ ｒａｔ ｅ ａｎｄ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｎｅｕｒ ａｌ ｉ ｎ ｆｏｒｍａｔ ｉ ｏ ｎ ｉ ｎ ｔ ｈ ｅ ｂｒａｉ ｎ ｉ ｓ ａ ｍａｊ ｏｒ ｃ ｈａｌ ｌ ｅ ｎｇ ｅ ｆｏｒ ｔ ｈｅ ｓ ｃ ｉ ｅｎｔ ｉ ｆｉ ｃ ｃ ｏｍｍｕｎｉ ｔｙ ｉ ｎ ｔ ｈｅ ２ １ ｓ ｔ ｃ ｅ ｎｔｕｒｙ． Ｃ ｏ ｍｐ ｕ？ ｔａｔ ｉ ｏｎａｌ ｎｅ ｕｒｏ ｓ ｃ ｉ ｅｎｃ ｅ ， ａｓ ａ ｄ ｉ ｓ ｃ ｉ ｐ ｌ ｉ ｎｅ ｔｈａｔ ｃ ｏｍｂ ｉ ｎｅ ｓ ｔｈｅ ｔ ｈｅ ｏｒ ｉ ｅ ｓ ａｎｄ ｋｎｏｗｌ ｅｄｇｅ ｏ ｆ ｂｉ ｏ ｌ ｏ ｇｙ， ｐｈｙ ｓ ｉ ｃ ｓ ， ｍａｔｈｅ ｍａｔ ｉ ｃ ｓ ａｎｄ ｃ ｏｍｐｕｔ ｅｒ ｓ ｃ ｉ ｅｎｃ ｅ ， ｈａｓ ｏｐ ｅｎｅ ｄ ｕｐ ａ ｎ ｅｗ ｐａｔ ｈ ｆｏｒ ｕｎ ｄｅｒ ｓ ｔ ａｎｄ ｉ ｎｇ ｔｈ ｅ ｉ ｎｆｏｒｍａｔ ｉ ｏ ｎ ｔ ｒａｎ ｓ ｍｉ ｓ ｓ ｉ ｏｎ ｍｅ ｃｈａｎｉ ｓ ｍ ｏ ｆ ｔｈｅ ｂｒａ ｉ ｎ ． Ｓｙｎ ａｐ ｔ ｉ ｃ ｐ ｌ ａｓ ｔ ｉ ｃ ｉ ｔｙ ｐ ｌ ａｙ ｓ ａｎ ｅ ｓ ｐ ｅ ｃ ｉ ａ ｌ ｒ ｏ ｌ ｅ ｉ ｎ ｔ ｈｅ ｃ ｏ ｇｎｉ ｔ ｉ ｖ ｅ ｐ ｒｏ ｃ ｅ ｓ ｓ ｏ ｆ ｂ ｉ ｏ ｌ ｏ ｇｉ ｃ ａｌ ｂｒａｉ ｎ ， ｗｈｉ ｃ ｈ ｉ ｓ ｃ ｌ ｏ ｓ ｅ ｌ ｙ ｒｅ ｌ ａｔ ｅ ｄ ｔ ｏ ｈｕｍａｎ ｌ ｅ ａｒｎｉ ｎｇ ， ｍｅ ｍｏ ｒｙ， ｒｅ ａｓ ｏｎｉ ｎｇ ａｎｄ ｏｔｈｅｒ ａｄｖａｎｃ ｅ ｄ ｃ ｏ ｇｎｉ ｔｉ ｖ ｅ ｆｕｎ ｃｔ ｉ ｏｎ ｓ ． Ｔｈｅ ｒ ｅ ｆｏｒｅ ， ｔｈ ｅ ｓ ｔｕｄｙ ｏ ｆ ｔ ｈｅ ｉ ｎ ｆｌ ｕ ｅ ｎｃ ｅ ｏ ｆ ｓ ｙｎ ａｐｔ ｉ ｃ ｐ ｌ ａｓ ｔ ｉ ｃｉ ｔｙ ｏｎ ｔｈｅ ｍｅ ｃ ｈａｎｉ ｓ ｍ ｏ ｆ ｉ ｎｆｏｒｍａｔ ｉ ｏｎ ｔ ｒａｎ ｓｍｉ ｓ ｓ ｉ ｏｎ ｉ ｎ ｔ ｈ ｅ ｎｅｒｖ ｏ ｕ ｓ ｓ ｙ ｓ ｔ ｅｍ ｈ ａｓ ｂｅ ｅｎ ａ ｈ ｏｔ ｔ ｏｐ ｉ ｃ ｉ ｎ ｒｅ ｃ ｅｎｔ ｙ ｅ ａｒ ｓ ． Ｉｎ ｔ ｈｉ ｓ ｓ ｔｕｄｙ， ｗｅ ｆｏ ｃ ｕｓ ｅ ｄ ｏｎ ｔ ｈｅ ｅ ｆｆｅ ｃ ｔ ｓ ｏ ｆ ｓｙｎａｐ ｔ ｉ ｃ ｐ ｌ ａｓ ｔ ｉ ｃ ｉ ｔｙ ｏｎ ｓｙｎｃｈｒｏ？ ｎｉ ｚａｔｉ ｏｎ ａｎｄ ｎｅｕｒａｌ ｒｈｙｔｈｍ ｉ ｎ ｔ ｗｏ ｃ ｏ ｕｐ ｌ ｅ ｄ ｎｅ ｕｒｏｎ ｓ ， ａ ｓ ｍａｌ ｌ － ｗｏｒ ｌ ｄ ｎｅ ｕｒａｌ ｎｅｔ ？ ｗｏｒｋ ａｎｄ ａｎ ｅ ｘｃ ｉ ｔ ａｔ ｉ ｏｎ－ ｉ ｎｈｉ ｂ ｉ ｔ ｉ ｏ ｎ ｂ ａｌ ａｎｃ ｅ ｄ ｎｅｕｒａｌ ｎｅ ｔ ｗｏｒ ｋ ｂｙ ｅ ｓ ｔ ａｂ ｌ ｉ ｓ ｈｉ ｎｇ ｍａｔｈ－ ｅｍａｔ ｉ ｃ ａｌ ｍｏｄ ｅ ｌ ｓ ａｎｄ ｃ ｏｍｐｕｔｅｒ ｓ ｉ ｍｕｌ ａｔ ｉ ｏｎ ｍｅｔ ｈ ｏ ｄｓ ． Ｔｈｒｏｕｇｈ ｔｈｅ ｃ ｏｍｂ ｉ ｎａｔ ｉ ｏ ｎ ｏ ｆ ｔｈｅ ｏｒｙ ａｎｄ ｅｘｐ ｅｒ ｉ ｍｅｎｔ ， ｔｈｅ ｍａｉ ｎ ｗｏｒｋ ａｎｄ ｃ ｏｎｃ ｌ ｕ ｓ ｉ ｏｎｓ ｏ ｆ ｔｈｉ ｓ ｐ ａｐ ｅｒ ａｒ ｅ ｓ ｕｍ？ ｍａｒｉ ｚｅ ｄ ａ ｓ ｆｏ ｌ ｌ ｏｗｓ ： １ ． Ｔｈ ｅ ｃｈａｒ ａｃｔ ｅｒｉ ｓｔ ｉ ｃ ｓ ｏ ｆ ｃ ｌ ｕ ｓｔ ｅ ｒ ｆｉ ｒ ｉ ｎｇ ｓ ｙｎ ｃｈｒｏｎｉ ｚａｔ ｉ ｏｎ ｂ ｅｈａｖｉ ｏｒｓ ａｎｄ ｔ ｈｅ ｎ ｅｕｒａｌ ｒｈｙｔ ｈｍ ｔｒａｎｓ ｉ ｔ ｉ ｏｎ ｐ ｒｏ ｃ ｅ ｓ ｓ ｏ ｆ ｔ ｗｏ Ｈｉ ｎｄｍａｒ ｓ ｈ － Ｒｏ ｓ ｅ ｎｅ ｕｒ ｏｎ ｓ ｕｎｄｅ ｒ ｔｈ ｅ ｉ ｎ？ ｆｌ ｕｅｎｃ ｅ ｏ ｆ ｓ ｙｎａｐｔ ｉ ｃ ｐ ｌ ａｓ ｔ ｉ ｃ ｉ ｔｙ ｗｅｒｅ ｓｔ ｕｄ ｉ ｅ ｄ ｉ ｎ ｄ ｅｐ ｔｈ， ｉ ｎｃ ｌ ｕｄ ｉ ｎｇ ｅｌ ｅ ｃ ｔｒ ｉ ｃ ａｌ ｓ ｙｎａｐ ｓ ｅ ｓ ａｎｄ ｃｈｅｍｉ ｃ ａｌ ｓｙ ｎａｐ ｓ ｅ ｓ ． Ａｔ ｔｈｅ ｓ ａｍｅ ｔ ｉ ｍｅ ， ａ ｄ ｉ ｇｉ ｔ ａｌ ｃｈ ａｒａｃｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｐ ａｒ ａｍｅｔ ｅｒ， ｔ ｈｅ ｓ ｙ ｎｃｈｒｏ ｎｉ ｚａｔ ｉ ｏｎ ｗｉ ｎｄｏｗ， ｉ ｓ ｃｒｅ ａｔ ｉ ｖｅｌ ｙ ｉ ｎｔｒｏ ｄｕｃ ｅ ｄ ｔ ｏ ｍｅ ａ ｓ ｕｒ ｅ ｔｈｅ ｓ ｙｎｃｈｒｏ ｎｉ ｚａ ？ ｔ ｉ ｏｎ ｃ ｈａｒａ ｃｔ ｅｒｉ ｓ ｔｉ ｃ ｓ ｏ ｆ ｃ ｌ ｕｓ ｔ ｅｒ ｆｉ ｒｉ ｎｇ ｎｅ ｕｒｏｎｓ ． Ｔｈｅ ｅ ｆｆｅ ｃｔ ｓ ｏ ｆ ｃ ｏｕｐｌ ｉ ｎ ｇ ｓ ｔｒｅｎｇｔｈ ａｎｄ ｌ ｅ ａｒｎｉ ｎｇ ｒａｔ ｅ ｏｎ ｓ ｙｎｃｈｒｏｎｉ ｚａｔ ｉ ｏ ｎ ｏ ｆ ｃ ｏｕｐ ｌ ｅ ｄ ｎｅ ｕｒｏ ｎｓ ａｎ ｄ ｓｙｎａｐ ｔ ｉ ｃ ｐ ｌ ａｓ ｔ ｉ ｃ ｉ ｔ ｙ ｏｎ ｒｈｙ ｔｈｍ ｔ ｒａｎ ｓ ｉ ｔ ｉ ｏ ｎ ｏ ｆ ｃ ｏｕｐｌ ｅ ｄ ｎｅ ｕｒ ｏｎ ｓ ｗｅ ｒｅ ｉ ｎｖｅ ｓｔ ｉ ｇａｔ ｅｄ ． Ｔｈｅ ｒ ｅ ｓ ｕｌ ｔ ｓ ｓ ｈｏ ｗ ｈ ｉ

that electrical synaptic coupling can enhance the synchrony ofneurons.In addi- tion,there is a close correlation between spike and cluster synchronization and the initial firing state of neurons.In the case of chemical synaptic coupling, no matter the coupling type is excitatory or inhibitory,increasing the coupling strength can promote the spike synchronization of neurons,but the synchronous change of excitatory chemical synaptic coupling state is more obvious. 2.The changes of y band rhythm and synchronization transition in small- world neural networks were further investigated.Using Izhikevich neurons withdere firing patters,acomplex network model withasmall-worldnet- work topology was constructed to simulate thethe cerebral cortex.The results show that the degree of synchronization was significantly increased with the increase of the weight of synaptic connections and the number of the nearest neighbors of each node,and the variation of the y band rhythm tends to be con- sistent with the degree of synchronization.Secondly,Chattering neurons can induce the network to achieve complete synchronization more effectively,and it is more sensitive to the change of control parameters.Finally,Regular Spik- ing neurons and Chattering neurons were used to jointly simulate excitatory neurons,while Fast Spiking neurons always mimic inhibitory neurons in the neural network.The results show that the neural network with chattering neu- rons is more likely to achieve complete synchronization than those with regular spiking neurons,and is more likely to be affected by parameter changes. 3.A complex network consisting of excitatory(E)pyramidal neurons and inhibitory (I)interneurons was investigated,and the effects of the interaction between spike-timing-dependent plasticity and chemical synapses on network synchronization and oscillation behaviors were investigated.To explore the ef fects of eSTDP and iSTDP on thethe synchronous and oscillatory behaviors in excitatory inhibitory balanced cortical neural network,we compared and analyzed three models.The first is a complex network composed purely of excitatory pyramidal neurons and eSTDP excitatory synaptic learning mecha- nisms,and the second is a complex network composed of pure inhibitory in- IV (C)1994-2021 China Academie Joumal Electronic Publishing House.All rights reserved.http:/www.cnki.net

ｔｈａｔ ｅ ｌ ｅ ｃｔｒｉ ｃ ａｌ ｓ ｙｎ ａｐ ｔ ｉ ｃ ｃ ｏｕｐ ｌ ｉ ｎｇ ｃ ａｎ ｅｎｈａｎｃ ｅ ｔ ｈｅ ｓｙｎｃｈｒ ｏｎｙ ｏ ｆ ｎｅｕｒ ｏｎｓ ． Ｉｎ ａｄｄｉ ？ ｔ ｉ ｏ ｎ， ｔ ｈｅｒｅ ｉ ｓ ａ ｃ ｌ ｏ ｓ ｅ ｃ ｏ ｒｒｅｌ ａｔ ｉ ｏ ｎ ｂｅｔｗｅ ｅｎ ｓ ｐ ｉ ｋｅ ａｎｄ ｃｌ ｕｓ ｔ ｅ ｒ ｓ ｙ ｎｃｈｒｏ ｎｉ ｚ ａｔ ｉ ｏｎ ａｎｄ ｔｈｅ ｉ ｎｉ ｔ ｉ ａｌ ｆｉ ｒ ｉ ｎｇ ｓ ｔ ａｔ ｅ ｏ ｆ ｎｅｕｒｏｎｓ ． Ｉｎ ｔ ｈｅ ｃ ａｓ ｅ ｏ ｆ ｃ ｈｅｍｉ ｃ ａｌ ｓｙｎａｐｔ ｉ ｃ ｃ ｏ ｕｐ ｌ ｉ ｎｇ ， ｎｏ ｍａｔｅｒ ｔｈ ｅ ｃ ｏ ｕｐ ｌ ｉ ｎ ｇ ｔｙｐ ｅ ｉ ｓ ｅｘｃ ｉ ｔ ａｔ ｏｒｙ ｏｒ ｉ ｎｈｉ ｂ ｉ ｔ ｏｒｙ， ｉ ｎｃｒｅ ａｓ ｉ ｎｇ ｔｈｅ ｃ ｏ ｕｐｌ ｉ ｎ ｇ ｓ ｔｒ ｅｎｇｔｈ ｃ ａｎ ｐｒ ｏ ｍｏｔ ｅ ｔｈｅ ｓ ｐ ｉ ｋｅ ｓ ｙｎｃ ｈｒ ｏ ｎｉ ｚ ａｔ ｉ ｏｎ ｏ ｆ ｎｅ ｕｒｏｎｓ ， ｂ ｕｔ ｔｈ ｅ ｓｙｎｃ ｈｒ ｏｎｏｕｓ ｃｈａｎｇｅ ｏ ｆ ｅ ｘｃ ｉｔ ａｔ ｏｒｙ ｃｈｅｍｉ ｃ ａｌ ｓ ｙｎａｐｔｉ ｃ ｃ ｏｕｐ ｌ ｉ ｎｇ ｓ ｔ ａｔｅ ｉ ｓ ｍｏｒ ｅ ｏ ｂ ｖｉ ｏ ｕ ｓ ． ２ ． Ｔｈ ｅ ｃ ｈａｎｇｅ ｓ ｏ ｆ ７ ｂ ａｎｄ ｒｈｙｔｈｍ ａｎｄ ｓ ｙｎｃ ｈｒｏｎｉ ｚ ａｔ ｉ ｏ ｎ ｔ ｒａｎｓ ｉ ｔ ｉ ｏｎ ｉ ｎ ｓ ｍａｌ ｌ － ｗｏｒｌ ｄ ｎｅｕｒａｌ ｎ ｅｔ ｗｏｒｋｓ ｗｅｒ ｅ ｆｕｒｔ ｈ ｅｒ ｉ ｎｖｅ ｓ ｔ ｉ ｇａｔ ｅ ｄ ． Ｕｓ ｉ ｎｇ Ｉ ｚｈｉ ｋｅｖｉ ｃｈ ｎｅｕｒ ｏｎ ｓ ｗｉ ｔ ｈ ｄｉ ｆｆｅｒｅ ｎｔ ｆｉ ｒｉ ｎｇ ｐ ａｔ ｔ ｅｒｎｓ ， ａ ｃ ｏｍｐ ｌ ｅｘ ｎｅ ｔ ｗｏ ｒｋ ｍｏ ｄｅ ｌ ｗｉ ｔ ｈ ａ ｓ ｍａｌ ｌ － ｗｏｒ ｌ ｄ ｎｅｔ ？ ｗｏｒｋ ｔ ｏｐ ｏｌ ｏ ｇｙ ｗａｓ ｃ ｏｎ ｓ ｔｒｕｃｔ ｅ ｄ ｔ ｏ ｓ ｉ ｍｕｌ ａｔ ｅ ｔ ｈｅ ｔｈｅ ｃ ｅｒｅｂｒ ａｌ ｃ ｏｒｔ ｅ ｘ ． Ｔｈｅ ｒ ｅ ｓ ｕｌ ｔ ｓ ｓ ｈｏ ｗ ｔ ｈａｔ ｔ ｈｅ ｄｅ ｇｒｅ ｅ ｏ ｆ ｓ ｙｎｃ ｈｒ ｏ ｎｉ ｚ ａｔ ｉ ｏ ｎ ｗａｓ ｓ ｉ ｇｎｉ ｆｉ ｃ ａｎｔ ｌ ｙ ｉ ｎｃｒｅ ａｓ ｅ ｄ ｗｉ ｔｈ ｔ ｈ ｅ ｉ ｎ ｃｒ ｅ ａｓ ｅ ｏ ｆ ｔｈｅ ｗｅ ｉ ｇｈｔ ｏ ｆ ｓ ｙｎａｐ ｔ ｉ ｃ ｃ ｏｎｎｅ ｃｔ ｉ ｏｎ ｓ ａｎｄ ｔｈｅ ｎｕｍｂ ｅｒ ｏ ｆ ｔ ｈｅ ｎ ｅ ａｒｅ ｓｔ ｎ ｅｉ ｇｈ ｂ ｏｒ ｓ ｏ ｆ ｅ ａｃ ｈ ｎｏｄｅ ， ａｎｄ ｔｈｅ ｖ ａｒｉ ａｔ ｉ ｏ ｎ ｏ ｆ ｔｈｅ ７ ｂ ａｎ ｄ ｒｈｙｔｈｍ ｔ ｅｎｄｓ ｔ ｏ ｂ ｅ ｃ ｏｎ－ ｓ ｉ ｓ ｔ ｅｎｔ ｗｉ ｔｈ ｔｈｅ ｄ ｅ ｇｒｅ ｅ ｏ ｆ ｓ ｙｎｃｈｒｏｎ ｉ ｚ ａｔ ｉ ｏ ｎ ． Ｓ ｅｃ ｏｎｄｌｙ， Ｃｈａｔｅｒ ｉ ｎｇ ｎｅ ｕｒ ｏｎ ｓ ｃ ａｎ ｉ ｎｄｕｃｅ ｔｈ ｅ ｎｅｔｗｏ ｒｋ ｔ ｏ ａｃｈｉ ｅ ｖｅ ｃｏｍｐ ｌ ｅｔ ｅ ｓｙ ｎｃ ｈｒ ｏ ｎｉ ｚａｔ ｉ ｏｎ ｍｏｒｅ ｅ ｆｆｅ ｃｔ ｉ ｖｅ ｌ ｙ， ａｎ ｄ ｉ ｔ ｉ ｓ ｍｏｒｅ ｓ ｅ ｎ ｓ ｉ ｔ ｉ ｖ ｅ ｔ ｏ ｔｈｅ ｃｈａｎｇｅ ｏ ｆ ｃ ｏ ｎｔｒｏ ｌ ｐ ａｒａｍｅ ｔ ｅ ｒ ｓ ． Ｆ ｉ ｎａｌ ｌ ｙ， Ｒｅ ｇｕ ｌ ａｒ Ｓ ｐ ｉ ｋ？ ｉ ｎｇ ｎ ｅｕｒ ｏ ｎｓ ａｎｄ Ｃｈ ａｔｔ ｅｒｉ ｎｇ ｎｅｕｒ ｏｎ ｓ ｗｅ ｒ ｅ ｕｓ ｅ ｄ ｔ ｏ ｊ ｏ ｉ ｎｔ ｌ ｙ ｓ ｉ ｍｕ ｌ ａｔ ｅ ｅｘｃ ｉ ｔ ａｔ ｏｒｙ ｎｅｕｒ ｏｎｓ ， ｗｈｉ ｌ ｅ Ｆ ａ ｓ ｔ Ｓ ｐ ｉ ｋｉ ｎｇ ｎｅｕｒｏｎ ｓ ａｌ ｗａｙｓ ｍｉ ｍｉ ｃ ｉ ｎｈｉ ｂ ｉ ｔ ｏｒｙ ｎｅｕｒｏｎｓ ｉ ｎ ｔ ｈｅ ｎ ｅｕｒａｌ ｎ ｅｔ ｗｏｒｋ ． Ｔｈ ｅ ｒｅ ｓ ｕｌ ｔ ｓ ｓ ｈｏｗ ｔ ｈａｔ ｔｈ ｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｗｉ ｔ ｈ ｃ ｈａｔｔ ｅｒ ｉ ｎ ｇ ｎｅｕ？ ｒｏ ｎ ｓ ｉ ｓ ｍｏｒｅ ｌ ｉ ｋ ｅ ｌ ｙ ｔ ｏ ａｃ ｈ ｉ ｅｖｅ ｃ ｏｍｐ ｌ ｅｔ ｅ ｓ ｙｎ ｃｈｒｏｎｉ ｚａｔ ｉ ｏｎ ｔｈａｎ ｔ ｈｏ ｓ ｅ ｗｉ ｔ ｈ ｒｅｇｕｌ ａｒ ｓ ｐ ｉ ｋｉ ｎ ｇ ｎｅｕｒｏｎｓ ， ａｎ ｄ ｉ ｓ ｍｏｒｅ ｌ ｉ ｋｅ ｌ ｙ ｔ ｏ ｂ ｅ ａｆｆｅ ｃｔ ｅ ｄ ｂｙ ｐ ａｒ ａｍｅｔ ｅｒ ｃｈａｎｇｅ ｓ ． ３ ． Ａ ｃ ｏｍｐ ｌ ｅｘ ｎｅｔ ｗｏｒｋ ｃ ｏｎｓ ｉ ｓ ｔ ｉ ｎｇ ｏ ｆ ｅｘｃ ｉ ｔａｔ ｏｒｙ （ Ｅ） ｐｙｒａｍｉ ｄ ａｌ ｎｅ ｕｒｏｎ ｓ ａｎｄ ｉ ｎｈｉ ｂｉ ｔ ｏｒｙ （ Ｉ ） ｉ ｎｔ ｅｍｅｕｒ ｏｎ ｓ ｗａｓ ｉ ｎｖｅ ｓ ｔ ｉ ｇａｔ ｅ ｄ ， ａｎｄ ｔｈｅ ｅ ｆｆｅ ｃｔ ｓ ｏ ｆ ｔｈｅ ｉ ｎｔ ｅｒ ａｃｔ ｉ ｏ ｎ ｂ ｅｔ ｗｅ ｅｎ ｓ ｐｉ ｋｅ－ ｔ ｉ ｍｉ ｎ ｇ － ｄ ｅｐ ｅｎｄｅｎｔ ｐ ｌ ａ ｓ ｔ ｉ ｃ ｉ ｔ ｙ ａｎ ｄ ｃｈｅ ｍｉ ｃ ａｌ ｓｙｎ ａｐ ｓ ｅ ｓ ｏｎ ｎｅｔｗｏｒｋ ｓ ｙ ｎｃｈｒｏｎｉ ｚ ａｔ ｉ ｏｎ ａｎｄ ｏ ｓ ｃ ｉ ｌ ｌ ａｔ ｉ ｏｎ ｂ ｅ ｈａｖ ｉ ｏｒ ｓ ｗｅｒ ｅ ｉ ｎｖ ｅ ｓ ｔ ｉ ｇ ａｔ ｅ ｄ ． Ｔｏ ｅｘｐ ｌ ｏｒｅ ｔｈｅ ｅｆ？ ｆｅ ｃ ｔ ｓ ｏ ｆ ｅ Ｓ ＴＤＰ ａｎｄ ｉ Ｓ ＴＤＰ ｏｎ ｔｈｅ ｔｈｅ ｓ ｙ ｎ ｃ ｈｒｏ ｎｏ ｕｓ ａｎｄ ｏ ｓ ｃ ｉ ｌ ｌ ａｔ ｏｒｙ ｂ ｅｈａｖ ｉ ｏｒ ｓ ｉ ｎ ｅ ｘｃ ｉ ｔａｔｏ ｒｙ ｉ ｎｈｉ ｂ ｉ ｔ ｏｒｙ ｂ ａｌ ａｎｃ ｅ ｄ ｃ ｏｒｔ ｉ ｃ ａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ， ｗｅ ｃ ｏｍｐ ａｒｅ ｄ ａｎ ｄ ａｎ ａｌ ｙｚｅ ｄ ｔ ｈｒ ｅ ｅ ｍｏｄ ｅ ｌ ｓ ． Ｔｈｅ ｆｉ ｒ ｓ ｔ ｉ ｓ ａ ｃ ｏｍｐ ｌ ｅｘ ｎｅｔ ｗｏｒｋ ｃ ｏｍｐ ｏ ｓ ｅｄ ｐｕｒｅ ｌ ｙ ｏ ｆ ｅｘｃ ｉ ｔ ａｔ ｏｒｙ ｐｙｒａｍ ｉ ｄ ａｌ ｎｅｕｒｏｎｓ ａｎｄ ｅ Ｓ ＴＤＰ ｅｘｃ ｉ ｔ ａｔ ｏｒｙ ｓ ｙｎａｐ ｔ ｉ ｃ ｌ ｅ ａｒｎｉ ｎｇ ｍｅｃｈａ ？ ｎｉ ｓ ｍｓ ， ａｎｄ ｔｈｅ ｓ ｅ ｃ ｏｎｄ ｉ ｓ ａ ｃ ｏｍｐ ｌ ｅｘ ｎｅｔ ｗｏｒｋ ｃ ｏｍｐｏ ｓ ｅ ｄ ｏ ｆ ｐ ｕｒ ｅ ｉ ｎｈｉ ｂ ｉ ｔ ｏｒｙ ｉ ｎ－ Ｉ Ｖ

terneurons and iSTDP inhibitory synapses.The third is an excitatory inhibitory balanced neural network combined with mixed synaptic plasticity.By chang- ing the number of inhibitory interneurons,the number of connection edges in the small-world network topology and the coupling strength,the three networks show different synchronization and oscillation behaviors.In addition,the study found that eSTDP can effectively promote synchronization,while iSTDP has no significant effect on synchronization.Interestingly,eSTDP and iSTDP act to- gether and restrict each other in excitatory-inhibitory balanced neural network, and play an important role in maintaining the balance and stability of network. KEY WORDS:Neural network Small-world network Synchronization Rhythm Excitatory-Inhibitory Balanced network Synaptic Plasticity Sig- nal Transmission Mechanism (C)1994-2021 China Academie Joumal Electronic Publishing House.All rights reserved.http://www.cnki.net

ｔ ｅｍｅｕｒｏｎｓ ａｎｄ ｉ Ｓ ＴＤＰ ｉｎｈｉ ｂ ｉ ｔ ｏｒｙ ｓ ｙｎａｐ ｓ ｅ ｓ ． Ｔｈｅ ｔｈｉ ｒｄ ｉ ｓ ａｎ ｅｘｃ ｉ ｔ ａｔ ｏ ｒｙ ｉ ｎｈ ｉ ｂｉ ｔｏｒｙ ｂ ａｌ ａｎｃｅｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃ ｏｍｂｉｎｅ ｄ ｗｉｔｈ ｍｉ ｘｅ ｄ ｓｙｎａｐｔ ｉ ｃ ｐ ｌ ａｓｔ ｉ ｃ ｉ ｔｙ． Ｂｙ ｃｈａｎｇ ？ ｉ ｎｇ ｔ ｈｅ ｎｕｍｂ ｅｒ ｏ ｆ ｉ ｎｈｉ ｂ ｉ ｔ ｏｒｙ ｉ ｎｔ ｅｍｅｕｒｏｎｓ ， ｔ ｈｅ ｎｕｍｂ ｅｒ ｏｆ ｃ ｏ ｎｎｅ ｃｔ ｉ ｏｎ ｅ ｄ ｇｅ ｓ ｉ ｎ ｔｈｅ ｓ ｍａｌ ｌ － ｗｏｒｌ ｄ ｎｅｔ ｗｏｒｋ ｔ ｏｐ ｏ ｌ ｏｇｙ ａｎｄ ｔ ｈ ｅ ｃ ｏｕｐ ｌ ｉ ｎｇ ｓ ｔｒｅｎｇｔｈ ， ｔ ｈｅ ｔ ｈｒｅ ｅ ｎｅｔ ｗｏ ｒｋｓ ｓ ｈｏｗ ｄｉ ｆｅｒｅｎｔ ｓ ｙ ｎｃｈｒｏｎｉ ｚａｔ ｉ ｏｎ ａｎｄ ｏ ｓ ｃ ｉ ｌ ｌ ａｔ ｉ ｏ ｎ ｂ ｅｈａｖ ｉ ｏｒ ｓ ． Ｉｎ ａｄ ｄｉ ｔ ｉ ｏｎ， ｔｈｅ ｓ ｔｕｄｙ ｆｏｕｎｄ ｔ ｈａｔ ｅ Ｓ ＴＤＰ ｃ ａｎ ｅ ｆｆｅ ｃｔ ｉ ｖｅ ｌ ｙ ｐｒｏ ｍｏｔ ｅ ｓ ｙｎｃｈｒｏｎｉ ｚ ａｔ ｉ ｏ ｎ， ｗｈｉ ｌ ｅ ｉ ＳＴＤＰ ｈａｓ ｎｏ ｓ ｉ ｇｎｉ ｆｉ ｃ ａｎｔ ｅ ｆｆｅ ｃｔ ｏｎ ｓ ｙｎ ｃ ｈｒｏｎｉ ｚａｔ ｉ ｏｎ ． Ｉ ｎｔｅｒｅ ｓｔ ｉ ｎｇ ｌ ｙ， ｅ Ｓ ＴＤＰ ａｎｄ ｉ Ｓ ＴＤＰ ａｃｔ ｔ ｏ？ ｇｅｔ ｈｅｒ ａｎ ｄ ｒｅ ｓ ｔ ｒ ｉ ｃｔ ｅ ａｃｈ ｏｔ ｈ ｅ ｒ ｉ ｎ ｅ ｘｃ ｉ ｔ ａｔ ｏ ｒｙ － ｉ ｎｈｉ ｂ ｉ ｔ ｏ ｒｙ ｂ ａｌ ａｎ ｃ ｅ ｄ ｎ ｅ ｕｒ ａｌ ｎｅｔ ｗｏｒｋ ， ａｎｄ ｐ ｌ ａｙ ａｎ ｉ ｍｐ ｏｒｔａｎｔ ｒ ｏ ｌ ｅ ｉ ｎ ｍａｉ ｎｔ ａｉ ｎｉ ｎｇ ｔｈｅ ｂ ａｌ ａｎｃ ｅ ａｎｄ ｓ ｔａｂ ｉ ｌ ｉ ｔｙ ｏ ｆ ｎｅ ｔｗｏ ｒｋ ． ＫＥ Ｙ ＷＯＲＤＳ ： Ｎｅｕｒａ ｌ ｎｅｔ ｗｏｒｋ Ｓ ｍａ ｌ ｌ － ｗｏｒ ｌ ｄ ｎ ｅｔ ｗｏｒｋ Ｓ ｙｎｃ ｈｒｏｎ ｉ ｚ ａｔ ｉ ｏｎ Ｒｈｙｔ ｈｍ Ｅｘｃ ｉ ｔ ａｔ ｏｒｙ － Ｉ ｎｈ ｉ ｂ ｉ ｔ ｏｒｙ Ｂ ａｌ ａｎｃ ｅ ｄ ｎｅｔｗｏｒｋ Ｓｙｎ ａｐｔ ｉ ｃ Ｐ ｌ ａ ｓ ｔ ｉ ｃ ｉ ｔ ｙ Ｓ ｉ ｇ ？ ｎ ａｌ Ｔｒ ａｎ ｓ ｍｉ ｓ ｓ ｉ ｏｎ Ｍｅ ｃｈ ａｎ ｉ ｓ ｍ ｖ

目录 第-章绪论1 1.】课题研究背景及研究意义. 1.2国内外研究现状. 4 1.3本课题的研究方法及创新点.7 1.4本论文的主要研究内容8 第二章基本知识和基本概念.1】 2.1生物神经系统预备知识.11 2.11神经元的结构和功能.11 2.1.2神经元的动作电位.12 2.1.3神经突触.14 22计算神经科学模型及其动力学.15 22.1 Hodgkin-Huxley神经元模型.16 2.2.2 Hindmarsh-Rose神经元模型.18 22.32 zhikevich神经元.18 23神经元的突触模型.19 2.3.1化学突触.19 2.3.2电突触.20 2.4突触可塑性学习机制.21 2.5神经系统中的同步与转迁.21 2.6本课题的数值研究方法.22 第三章突触可塑性影响下的耦合神经元的簇放电同步.25 3.1引言.25 3.2模型介绍及评价指标.26 3.2.1神经元模型.27 3.2.2具有突触可塑性的双耦合神经元模型.28 3.2.3同步评价指标 .29 3.3具有突触可塑性的耦合HR神经元的族同步和同步转迁.30 VII (C)1994-2021 China Academic Joumal Electronic Publishing House.All rights reserved.http://www.cnki.net

目 录 第 一 章 绪论 １ １ 」 课题研究背景及研 究意义 １ １ ． ２ 国 内 外研究现状 ４ １ ． ３ 本课题 的 研究方法及创 新点 ７ １ ． ４ 本论文 的 主要研究 内 容 ８ 第 二 章 基本 知 识和 基 本概念 １ １ ２ ． １ 生物 神经 系 统预备知 识 １ １ ２ ． １ ． １ 神经元 的 结构和 功 能 １ １ ２ ． １ ． ２ 神经元 的 动作 电 位 １ ２ ２ ． １ ． ３ 神经突触 １ ４ ２ ． ２ 计算神经科学模型及其动 力 学 １ ５ ２ ． ２ ． １ Ｈｏ ｄｇｋｉ ｎ－ Ｈｕｘｌ ｅ ｙ 神 经元模型 １ ６ ２ ． ２ ． ２ Ｈｉ ｎｄｍ ａｒ ｓ ｈ － Ｒｏ ｓ ｅ 神经元模型 １ ８ ２ ． ２ ． ３ Ｉ ｚｈｉｋｅ ｖｉ ｃ ｈ 神经元 １ ８ ２ ． ３ 神经元 的 突触模型 １ ９ ２ ． ３ ． １ 化 学突触 １ ９ ２ ． ３ ． ２ 电 突触 ２ ０ ２ ． ４ 突触可塑性学 习 机制 ２ １ ２ ． ５ 神 经 系统 中 的 同 步与转迁 ２ １ ２ ． ６ 本课题 的 数值研究方法 ２ ２ 第 三 章 突触 可 塑性影 响 下 的 耦 合 神经元 的簇 放 电 同 步 ２ ５ ３ ． １ 引 言 ２ ５ ３ ． ２ 模型介绍 及评价指标 ２ ６ ３ ． ２ ． １ 神经元模型 ２ ７ ３ ． ２ ． ２ 具有突触可塑性 的 双耦合神经 元模型 ２ ８ ３ ． ２ ． ３ 同 步评价指标 ２ ９ ３ ． ３ 具有突触可塑性 的 耦合 ＨＲ 神经元 的 簇 同 步和 同 步转迁 ３ ０ ＶＩ Ｉ