（生物医学工程专业论文）神经元集群小波聚类编码的研究.pdf

天津医科大学博士学位论文 2 ) 根据海马神经元群体发放i s i 时空序列的f f t 频谱分布，确定小波分解的尺度 为5 ，对i s i 序列进行小波分解，对各个尺度上的i s i 了分量进行聚类，划分在 输入以上二类刺激时，特别是在两种刺激同时输入时编码刺激的功能神经元集 群。 研究结果： 1 p c n n 模型可以有效地仿真海马不同刺激下神经元群体发放的稀疏时空序列， 为本论文研究小波一聚类编码提供了仿真数据。 2 应用自组织竞争神经网络对神经元群体发放的聚类编码表达： ( 1 ) p c n n 模型输入g a u s s i a n 随机刺激，正弦刺激和以上两类刺激线性叠加时输 出i s i 序列的编码结果： 1 1 聚类编码 g a u s s i a n 分布的随机刺激下，聚类后的神经元集群中有2 0 个神经元，编号分别 为( 1 0 ，1 1 ，1 4 ，2 4 ，2 5 ，2 7 ，3 5 ，3 6 ，3 7 ，4 5 ，4 8 ，5 0 ，5 5 ，5 7 ，6 1 ，7 0 ， 7 7 ，9 0 ，9 2 ，9 9 ) ： 正弦刺激下，聚类后的神经元集群中有3 4 个神经元，编号为( 2 ，6 ，8 ，9 ， 1 3 ，1 9 ，2 0 ，2 6 ，2 8 ，2 9 ，3 0 ，3 2 ，3 4 ，4 0 ，4 1 ，4 6 ，5 0 ，5 】，5 2 ，5 3 ，5 4 ， 5 5 ，5 7 ，5 9 ，6 0 ，6 1 ，6 3 ，6 5 ，7 1 ，7 5 ，8 3 ，8 5 ，8 6 ，8 7 ) 。 在两类刺激叠加输入模式下，聚类后的神经元集群中有2 2 个神经元，编号为 ( 1 ，3 ，4 ，5 ，6 ，8 ，1 0 ，1 l ，1 2 ，1 4 ，1 5 ，1 7 ，1 8 ，1 9 ，2 0 ，2 1 ，2 2 ，2 4 ，2 5 ，2 6 ，2 9 ，3 1 ，3 3 ，3 4 ， 4 1 ，4 2 ，4 4 ，4 5 ，4 6 ，4 7 ，4 9 ，5 0 ，5 2 ，5 5 ，5 6 ，5 7 ，5 9 ，6 0 ，6 1 ，6 4 ，6 7 ，7 1 ，7 3 ，7 5 ，7 6 ，7 7 ，7 8 ， 7 9 ，8 0 ，8 l ，8 4 ，8 5 ，8 7 ，8 8 ，8 9 ，9 l ，9 2 ，9 3 ，9 4 ，9 5 ，9 6 ，9 7 ，9 8 ，9 9 ) 。 2 ) 4 、波一聚类编码： 在第五尺度神经元集群放电的小波一聚类编码效果最好，对应神经元编号为 在g a u s s i a n 随机刺激下，第五尺度聚类神经元编号为( 1 ， 2 ，5 4 ，6 9 ，7 4 ， t 天津医科大学博士学位论文 8 l ，8 5 ，9 5 ) ： 在余弦刺激下，第五尺度聚类神经元编号为( 9 ，11 ，1 2 ，1 5 ，1 6 ，l7 ，18 ， 2 0 ，2 1 ，2 3 ，3 2 ，3 6 ，3 7 ，3 9 ，4 l ，4 3 ，4 4 ，5 6 ，5 7 ，5 9 ，6 3 ，6 6 ，7 0 ， 7 4 ，7 5 ，8 3 ，8 6 ，9 5 ，9 7 ) ： 在两类刺激叠加输入模式下，第五尺度神经元编号为( 1 ， 2 ，9 ，1 2 ，1 3 ， 16 ，1 7 ，】8 ，2 3 ，3 2 ，3 6 ，3 7 ，3 9 ，4 1 ，4 3 ，4 4 ，4 5 ，4 6 ，5 4 ，5 6 ，5 7 ， 6 9 ，7 4 ，8 l ，8 3 ，8 5 ，8 6 ，6 3 ，6 6 ，7 0 ，7 4 ，7 5 ，9 5 ) ： f 2 ) p c n n 模型输入正弦整流刺激、余弦整流刺激和以上两类刺激线性叠加下输出 i s i 序列的编码结果 1 1 聚类编码结果： 在正弦整流刺激下，聚类神经元编号为( 3 ，1 2 ，1 6 ，1 8 ，1 9 ，2 i ，2 3 ，2 4 ， 2 8 ，3 0 ，3 l ，3 2 ，3 5 ，3 8 ，3 9 ，4 0 ，4 6 ，5 l ，5 4 ，5 5 ，5 8 ，5 9 ，6 2 ，6 4 ， 6 8 ，7 l ，7 3 ，7 4 ，7 5 ，7 6 ，7 8 ，7 9 ，8 l ，8 2 ，8 4 ，8 6 ，8 7 ，9 l ，9 2 ，9 5 ， 9 7 ，9 9 ) ： 在余弦整流刺激下，聚类神经元编号为( 2 ，3 ，6 ，9 ，1 0 ，1 1 ，1 2 ，1 4 ，1 5 ， 2 2 ，2 3 ，2 4 ，2 6 ，3 0 ，3 1 ，3 2 ，3 3 ，3 4 ，3 9 ，4 0 ，4 2 ，4 9 ，5 0 ，5 5 ，5 7 ， 5 9 ，6 2 ，6 3 ，6 4 ，6 6 ，7 3 ，7 6 ，7 9 ，8 0 ，8 l ，8 8 ，8 9 ，9 0 ，9 4 ，9 5 ，9 6 ) ； 在两类刺激叠加输入模式下，聚类神经元编号为( 2 ，3 ，4 ，5 ，6 ，8 ，1 0 ， 1 2 ，1 3 ，1 5 ，2 l ，2 2 ，2 3 ，2 5 ，2 8 ，2 9 ，3 0 ，3 l ，3 5 ，3 7 ，3 9 ，4 0 ，4 1 ， 4 2 ，4 6 ，4 7 ，4 8 ，5 0 ，5 2 ，5 4 ，5 5 ，5 6 ，5 7 ，5 8 ，5 9 ，6 0 ，6 l ，6 5 ，6 7 ， 6 8 ，6 9 ，7 2 ，7 3 ，7 4 ，7 5 ，7 6 ，7 8 ，7 9 ，8 0 ，8 1 ，8 5 ，8 6 ，9 l ，9 2 ，9 3 ， 9 5 ，9 7 ，9 8 ) ： 2 ) 小波一聚类编码结果为 在第二尺度神经元集群放电的小波一聚类编码效果最好，对应神经元编号为 在正弦整流刺激下，聚类神经元编号为( 1 ，7 ，8 ，1 0 ，2 2 ，2 3 ，3 3 ，4 1 i i i 天津医科大学博七学位论文 4 3 ，5 1 ，5 7 ，6 5 ，7 7 ，8 7 j ； 在余弦整流刺激下，聚类神经元编号为( 1 5 ，2 0 ，2 8 ，3 2 ，3 8 ，4 3 ，5 3 ，5 4 ， 5 8 ，6 1 ，7 0 ，7 2 ，8 3 ，8 4 ，9 7 ，1 0 0 ) ： 在两类刺激叠加输入模式下，聚类神经元编号为( 7 ，8 ，1 2 ，1 5 ，1 7 ，2 0 ， 2 l ，2 2 ，2 3 ，2 4 ，2 5 ，2 6 ，2 8 ，3 0 ，3 1 ，3 2 ，3 3 ，3 4 ，3 6 ，3 8 ，3 9 ，4 0 ， 4 1 4 3 ，4 6 ，4 7 ，5 2 ，5 6 ，5 9 ，6 1 ，6 4 ，6 5 ，6 7 ，7 0 ，7 2 ，7 3 ，7 5 ，7 7 ， 7 8 ，7 9 ，8 0 ，8 3 ，8 4 ，8 6 ，8 7 ，9 0 ，9 1 ，9 3 ，9 5 ，9 7 ，1 0 0 ) ； 研究结论： 1 p c n n 模型可以有效仿真在三类输入刺激模式下，海c a 3 区神经元群体的稀 疏发放( 平均发放率小于1 0 ) 。 2 聚类编码信息的效能：在( 1 ) g a u s s i a n l g 机刺激下和正弦刺激；( 2 ) 正弦整流刺激 和余弦整流刺激下，神经元集群i s i 序列聚类编码可以划分表征不同单个刺激的 神经元集群：但对于划分两类刺激的叠加效能不明显。 3 ，小波一聚类编码信息的效能：( 1 ) 在g a u s s i a n 随机刺激和正弦刺激下，在第五尺 度可以划分表征两类刺激的特征神经元集群，且编码效果优于聚类编码信息的 效能；( 2 ) 在正弦整流刺激和余弦整流刺激下，在第二尺度可以划分表征两类刺 激的特征神经元集群。 关键词 记忆，刺激模式，神经元集群，聚类编码，小波一聚类编码 v 天津医科大学博士学位论文 a b s t r a c t o b e c t i v e t h i sp a p e ra i m st os t u d yt h e c o d i n go fn e u r a le n s e m b l e sr e l a t i n gt om e m o r y ( h i p p o c a m p u s ) w i t hw a v e l e t c l u s t e r i n gm e t h o d ，s oa st od i s c r i m i n a t es p e c i f i cf u n c t i o n a l n e u r a le n s e m b l e si nt h ed e t a i lt h es t u d yp r o b e si n t ot h ek e ys t m c t u r eo fm e m o w 一 h i p p o c a m p u sc a 3a r e a ，w i t hw a v e l e ld e c o m p o s i t i o n ，e x p e c t i n gt od i s c r i m i n a t e f u n c t i o n a ln e u r a le n s e m b l e su n d e rd i f f e r e n tw a v e l e ts c a l e s ，e v a l u a t et h ec o d i n ge f f i c i e n c y e s p e c i a l l yw i t ht w os i r n u l t a n e o u si n p u t s ，t h ep r i o r i t yo fc e r t a i nw a v e l e ts c a l eo v e ro t h e r s c a 】e s m e t h o d s i e s t a b l i s hp u l s ec o u p l e dn e u r a ln e t w o r k ( p c n 。n ) m o d e l ，s i m u l a t es p a t i a lt e m p o r a l a c t i v i t yo fn e u r a lp o p u l a t i o ni nh i p p o c a m p u sc a 3a r e au n d e rd i f f e r e n ts t i m u l u s ( m e m o r yt a s k s ) a c c o r d i n gt ot h ea n a t o m i c a lc h a r a c t e r i s t i c so fh i p p o c a m p u s ，t h ep c n nm o d e li s c o m p o s e do f1 2 0n e u r o n s ，o fw h i c h1 0 0i se x c i t a t o r ya n d2 0i n h i b i t o r y i nc a 3a r e a ， e a c he x c i t a t o r yn e u r o ni sc o n n e c t e dt oa b o u t7 5 o fo t h e rn e u r o n si nt h es a m el a y e r t h e i n h i b i t o r yn e u r o n sa r ea l l t o - a l lc o n n e c t e da n di sr e l a t e dt ot h es p a r s ef i r i n g si nt h ea r e a t h es y n a p t i cw e i g h ta m o n gn e u r o n si ss e tg a u s s i a nd i s t r i b u t i o n ；o n l ye x c i t a t o r yn e u r o n s o u t p u tt oo t h e rl a y e r sw i t hs p a r s ea c t i v i t y ( 1 e s st h a n1o ) p c n nm o d e li sg i v e nd i f f e r e n tt y p i c a lp a t t e r n so fs t i m u l i ：( 1 ) r a n d o mi n p u tw i t h g a u s s i a nd i s t r i b u t i o n ，s i n u s o i d a li n p u t ( t = 0 2 s e c ) ，a n dt h el i n e a rs u p e r i m p o s eo fa b o v e t w os i g n a l s ；( 2 ) r e c t i f i e ds i n u s o i d a li n p u t ，r e c t i f i e dc o s i n u s o i d a li n p u t ，a n dt h el i n e a r s u p e r i m p o s eo fa b o v et w os i g n a l s t h eo u t p u to fp c n ni st h et i m es e r i e so fs p i k i n g so f e a c hn e u l o ni nt h ee n s e m b l e ，f r o mw h i c hw ea c q u i r ei n t e r s p i k ei n t e r v a l ( i s i ) s e r i e so f t h en e u r a lp o p u l a t i o n 2 ，c l u s t e rc o d i n gt h es i m u l a t i o nd a t ao f n e u r a le n s e m b l e s ： v 天津医科大学| 莺：士学位论文 a n a l y z ei s is e r i e so fn e u r a lp o p u l a t i o nu n d e rt h r e ed i f f e r e n ts t i m u l i ，d i s c r i m i n a t e f u n c t i o n a ln e u r a le n s e m b l e sw i t hs e l fo r g a n i z i n gm a p ； a c c o r d i n gt ot h ef f ts p e c t r u mo fi s is e r i e s t h es c a l eo fw a v e l e ti ss e tt o5 c o d et h e i s is e r i e sw i t hs e l fo r g a n i z i n gm a pa te a c hs c a l eo fw a v e l e t ，d i s c r i m i n a t ed i f f e r e n t f u n c t i o n a le n s e m b l e sr e l a t i n gt ot h es p e c i f i ci n p u t r e s u l t s 1 p c n nm o d e lc a ns i m u l a t et h es p a r s ea c t i v i t yo fh i p p o c a m p u sn e u r a lp o p u l a t i o n u n d e rd i f f e r e n ts t i m u l i ，i tp l o v i d e ss i m u l a t i o nd a t af o rt h ef u r t h e rs t u d yo fw a v e l e t c l u s t e rc o d i n gi nt h i sp a p e r 2 c l u s t e rc o d i n go f n e u r a lp o p u l a t i o nw i t ht h ea p p l i c a t i o no fs e l f o r g a n i z i n gm a p ： ( 1 ) r e s u l t sf o rg a u s s i a ni n p u t ，s s i n u s o i d a li n p u ta n ds u p e r i m p o s eo ft h et w oi n p u t s ： 1 ) r e s u l t so f c l u s t e rc o d i n g ： u n d e rr a n d o ms t i m u l u sw i t hg a u s s i a nd i s t r i b u t i o n ，t h ec i u s t e r dn e u r o n sa r e ( 10 ，11 ，1 4 ，2 4 ，2 5 ， 2 7 ，3 5 ，3 6 ，3 7 ，4 5 ，4 8 ，5 0 ，5 5 ，5 7 ，6 1 ，7 0 ，7 7 ，9 0 ，9 2 ，99 ) ； u n d e rs i n u s o i d a li n p u t ，t h ec l u s t e r dl l e l l r o n sa r e ( 2 ，6 ，8 ，9 ，1 3 ，1 9 ，2 0 ，2 6 ，2 8 ，2 9 ，3 0 ，3 2 ，3 4 ，4 0 ， 4 l ，4 6 ，5 0 ，5 i ，5 2 ，5 3 ，5 4 ，5 5 ，5 7 ，5 9 ，6 0 ，6 l ，6 3 ，6 5 ，7 1 ，7 5 ，8 3 ，8 5 ，8 6 ，8 7 ) u n d e rt h es t i m u l a t i o no f b o t ht h ea b o v ei n p u t s ，t h ec l u s t e r e dn e u r o n sa r e ( 1 ，3 ，4 ，5 ，6 ，8 ，t o ，1 1 ， 1 2 ，1 4 ，1 5 ，1 7 ，18 ，1 9 ，2 0 ，2 1 ，2 2 ，2 4 ，2 5 ，2 6 ，2 9 ，3 1 ，3 3 ，3 4 ，4 1 ，4 2 ，4 4 ，4 5 ，4 6 ，4 7 ，4 9 ，5 0 ，5 2 ，5 5 ， 5 6 ，5 7 ，5 9 ，6 0 ，6 1 ，6 4 ，6 7 ，7 l ，7 3 ，7 5 ，7 6 ，7 7 ，7 8 ，7 9 ，8 0 ，8 1 ，8 4 ，8 5 ，8 7 ，8 8 ，8 9 ，9 1 ，9 2 ，9 3 ，9 4 ，9 5 ， 9 6 ，9 7 ，9 8 ，9 9 ) 2 ) r e s u l t so f w a v e l e t - c l u s t e rc o d i n g ： f o rt h ew a v e l e t c l u s t e r i n gc o d i n g ，t h eb e s tr e s u l t sa r es h o w no ns c a l e 一5 ，t h e c l u s t e r e dn e u r o n su n d e rt h r e ed i f l e r e n ts t i m u l ia r ea sf o l l o w s ： 1 ) u r i d e rr a n d o ms t i m u l u sw i t hg a u s s i a nd i s t r i b u t i o n ，t h ec l u s t e r dn e u r o n so ns c a l e 一5 a r e ( 1 ，2 ，5 4 ，6 9 ，7 4 ，8 1 ，8 5 ，9 5 ) ； 2 ) u n d e r s i n u s o i d a ls t i m u l u sw i t hg a u s s i a nd i s t r i b u t i o n ，t h ec l u s t e r dn e u r o n so ns c a l e 一5 a r e ( 9 ，1 1 ，1 2 ，1 5 ，1 6 ，1 7 ，1 8 ，2 0 ，2 i ，2 3 ，3 2 ，3 6 ，3 7 ，3 9 ，4 1 ，4 3 ，4 4 ，5 6 ，5 7 ，5 9 ，6 3 ， v 天津医科大学博士学位论文 6 6 ，7 0 ，7 4 ，7 5 ，8 3 ，8 6 ，9 5 ，9 7 ) ； 3 1u n d e rt h es t i m u l a t i o no fb o t ht h ea b o v ei n p u t s ，t h ec l u s t e r e dn e u r o n sa r e ( 1 ，2 ，9 ，12 ， 13 ，1 6 ，1 7 ，1 8 ，2 3 ，3 2 ，3 6 ，3 7 ，3 9 ，4 1 ，4 3 ，4 4 ，4 5 ，4 6 ，5 4 ，5 6 ，5 7 ，6 9 ，7 4 ，8 l ，8 3 ，8 5 ， 8 6 ，6 3 ，6 6 ，7 0 ，7 4 ，7 5 ，9 5 ) ( 2 ) r e s u l t sf o rs i n u s o i d a li n p u t ，c o s i n u s o i d a li n p u ta n ds u p e r i m p o s eo f t h et w o i n p u t s ： 1 ) r e s u l t so f c l u s t e rc o d i n g ： u n d e rt h es t i m u l a t i o no fs i n u s o i d a li n p u t ，t h ec l u s t e r e dn e u r o n sa r e ( 3 ，12 ，16 ，18 ，19 2 l ，2 3 ，2 4 ，2 8 ，3 0 ，3 1 ，3 2 ，3 5 ，3 8 ，3 9 ，4 0 ，4 6 ，5 1 ，5 4 ，5 5 ，5 8 ，5 9 ，6 2 ，6 4 ，6 8 ，7 1 ，7 3 ， 7 4 ，7 5 ，7 6 ，7 8 ，7 9 ，8 1 ，8 2 ，8 4 ，8 6 ，8 7 ，9 1 ，9 2 ，9 5 ，9 7 ，9 9 ) ； u n d e rt h es t i m u l a t i o no f c o s i n u s o i d a li n p u t ，t h ec l u s t e r e dn e u r o n sa r e ( 2 ，3 ，6 ，9 ，1 0 ， 1 l ，1 2 ，1 4 ，1 5 ，2 2 ，2 3 ，2 4 ，2 6 ，3 0 ，3 1 ，3 2 ，3 3 ，3 4 ，3 9 ，4 0 ，4 2 ，4 9 ，5 0 ，5 5 ，5 7 ，5 9 ，6 2 ， 6 3 ，6 4 ，6 6 ，7 3 ，7 6 ，7 9 ，8 0 ，8 l ，8 8 ，8 9 ，9 0 ，9 4 ，9 5 ，9 6 ) ； u n d e rt h es t i m u l a t i o no f b o t ht h ea b o v ei n p u t s ，t h ec l u s t e r e dn e u r o n sa r e ( 2 ，3 ，4 ，5 ， 6 ，8 ，1 0 ，1 2 ，1 3 ，1 5 ，2 l ，2 2 ，2 3 ，2 5 ，2 8 ，2 9 ，3 0 ，3 1 ，3 5 ，3 7 ，3 9 ，4 0 ，4 1 ，4 2 ，4 6 ，4 7 ， 4 8 ，5 0 ，5 2 ，5 4 ，5 5 ，5 6 ，5 7 ，5 8 ，5 9 ，6 0 ，6 l ，6 5 ，6 7 ，6 8 ，6 9 ，7 2 ，7 3 ，7 4 ，7 5 ，7 6 ，7 8 ，7 9 ， 8 0 ，8 1 ，8 5 ，8 6 ，9 1 ，9 2 ，9 3 ，9 5 ，9 7 ，9 8 ) ； 2 ) r e s u l t so f w a v e l e t - c l u s t e rc o d i n g ： f o rt h ew a v e l e t c l u s t e r i n gc o d i n g ，t h eb e s tr e s u l t sa r es h o w no ns c a l e 一2 ，t h e c l u s t e r e dn e u r o n su n d e rt h r e ed i f f e r e n ts t i m u l ia r ea sf o l l o w s ： u n d e rt h es t i m u l a t i o no fs i n u s o i d a li n p u t ，t h ec l u s t e r e dn e u r o n sa r e ( 1 ，7 ，8 ，1 0 ，2 2 ， 2 3 ，3 3 ，4 1 ，4 3 ，5 1 ，5 7 ，6 5 ，7 7 ，8 7 ) ； u n d e rt h es t i m u l a t i o no fc o s i n u s o i d a li n p u t ，t h ec l u s t e r e dn e u r o n sa r e ( 15 ，2 0 ，2 8 ，3 2 ， 3 8 ，4 3 ，5 3 ，5 4 ，5 8 ，6 1 ，7 0 ，7 2 ，8 3 ，8 4 ，9 7 ，1 0 0 ) ； u n d e rt h es t i m u l a t i o no fb o t ht h ea b o v ei n p u t s ，t h ec l u s t e r e dn e u r o n sa r e ( 7 ，8 ，12 ，15 1 7 ，2 0 ，2 1 ，2 2 ，2 3 ，2 4 ，2 5 ，2 6 ，2 8 ，3 0 ，3 1 ，3 2 ，3 3 ，3 4 ，3 6 ，3 8 ，3 9 ，4 0 ，4 1 ，4 3 ，4 6 ，4 7 ， 5 2 ，5 6 ，5 9 ，6 1 ，6 4 ，6 5 ，6 7 ，7 0 ，7 2 ，7 3 ，7 5 ，7 7 ，7 8 ，7 9 ，8 0 ，8 3 ，8 4 ，8 6 ，8 7 ，9 0 ，9 l ，9 3 ， 9 5 、9 7 1 0 0 ) v i 天津医科大学博士学位论文 c o n e l n s l o i l s 1 t h e s p a r s eo u t p u t o fp c n nm o d e le f f i c i e n t l ys i m u l a t e df i r i n gp a t t e r n so f h i p p o c a m p u sc a 3a r e an e u r o n su n d e rt l u - e ed i f f e r e n ts t i m u l i 2 t h ec l u s t e rc o d i n go fn e u r a le n s e m b l eu n d e r ( 1 ) o a u s s i a nd i s t r i b u t e dr a n d o m s t i m u l u sa n ds i n u s o i d a ls t i m u l u s ；( 2 ) r e c t i f i e ds i n u s o i d a la n dr e c t i f i e dc o s i n u s o i d a l i n p u ts h o wl i t t l eo v e r l a po v e re a c ho t h e r 0 1 1t h ew h o l e ，d i f f e r e n ts t i m u l i c a nb e d i s c r i m i n a t e dw i t hc l u s t e rc o d i n gn e u r a le n s e m b l e s b u tu n d e rt h ea b o v et w os t i m u l i s i m u l t a n e o u s l y , t h ec l u s t e rc o d i n gi sn o tv e r ye f f e c t i v e 3 t h ew a v e c l u s t e rc o d i n gc a nd i s c r i m i n a t ed i f f e r e n ti n p u ts t i m u l u so nm o s to ft h e s c a l e s ，t h i si sb e s ts h o w n ( 1 ) o i ls c a l e 一5f o rg a u s s i a nr a n d o mi n p u ta n ds i n u s o i d a l i n p u t ；( 2 ) o ns c a l e 一2f o rr e c t i f i e d s i n u s o i d a li n p u ta n dr e c t i f i e dc o s i n u s o i d a li n p u t u n d e rt h es u p e r i m p o s eo fb o t ht h es t i m u l u s ，w a v e - c l u s t e r i n go ns p e c i f i cs c a l es h o w b e t t e rr e s u l tt h a nc l u s t e rc o d i n g k e yw o r d s m e m o r y ，s t i m u l a t i o np a t t e m ，n e u r a le n s e m b l e ，c l u s t e rc o d i n g ，w a v e l e tc l u s t e rc o d i n g v i i i 学位论文原创性声明 本人郑重声明：所呈交的论文是我个人在导师指导下独立进行研 究工作取得的研究成果。除了文中特别加以标注引用的内容和致谢的 地方外，论文中不包含任何其他个人或集体已经发表或撰写过的研究 成果，与我一同工作的同志对本研究所做的任何贡献均己在论文中作 了明确的说明并表示了谢意。 学位论文作者签名：4 苌奎日期：。7 年占月，厂日 学位论文版权使用授权书 本人完全了解天津医科大学有关保留、使用学位论文的规定，即： 学校有权将学位论文的全部或部分内容编入有关数据库进行检索，并 采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意 学校向国家有关部门或机构送交论文，并编入有关数据库。 保密 口，在年解密后适用本授权书。 本论文属于 不保密团。 ( 请在以上方框内打“”) 作者签名刃年6 月f f 日 天津医科大学博士学位论文 第一章前言 1 1 研究背景 记忆是重要的认识功能之一，研究外界刺激在大脑中是如何被编码是探索记 忆奥秘的关键问题之一。根据h e b b 的细胞集合学说【l 】，记忆虽然可以在单个神 经元中编码，但是大脑表征外界刺激是通过被某个刺激激活的功能神经元集群来 编码的。本论文研究在不同刺激下，功能神经元集群对刺激的编码表征。 1 2 神经元集群电活动模型的研究现状 为了研究神经元集群编码，如算法及其可行性，首先要研究能够提供在特定 刺激下神经元群体电活动数据的模型。国内外对神经电活动模型的研究，较成熟 的是单个神经元放电的模型 2 - 1 | 2 】。根据h e b b 的神经元集群编码理论，功能性神 经元集群电活动才能编码信息【”。因此，研究在神经网络层次上神经元群体表征 刺激的放电模型是研究神经元集群编码的重要组成部分。 目前国内外神经网络模型的研究主要方向如下： 1 自组织竞争神经网络( s e l f o r g a n i z i n gm a p ，s o m ) 依据大脑对信号处理的特点，在1 9 8 1 年，k o h o n e n 提出自组织特征映像模型 1 3 , 1 4 。该模型基于生物神经系统“侧抑制”现象，以一种无教师示教的方式进行网 络训练，具有自组织功能，网络通过自身训练，自动对输入模式进行分类。在网 络结构上，自组织竞争人工神经网络一般是由输入层和竞争层构成的两层网络， 网络没有隐含层，两层之间各神经元实现双向连接，有时竞争层各神经元之间还 存在横向连接。在学习算法上，它模拟生物神经系统依靠神经元之间的兴奋、协 调与抑制、竞争的作用来进行信息处理的动力原理，指导网络的学习与工作。 自组织竞争人工神经网络的基本思想是网络竞争层各神经元竞争对输入模 式的响应机会，最后仅一个神经元成为竞争的胜者，并对那些与获胜神经元有关 的各连接权朝着更有利于它竞争的方向调整，这一获胜神经元就表示对输入模式 的分类。除了竞争方法外，还有通过抑制手段获胜的方法，即网络竞争层各神经 元都能抑制所有其它神经元对输入模式的响应机会，从而使自己成为获胜者。因 l 天津医科大学博士学位论文 此，自组织竞争人工神经网络自组织自适应的学习能力进一步拓宽了神经网络在 模式识别、分类方面的应用。 2 脉冲耦合神经网络( p u l s ec o u p l e dn e u r a ln e t w o r k s 。p c n n ) 从2 0 世纪9 0 年代开始，e c k h o m 等人对猫的视觉皮层神经元脉冲串同步振荡 现象的研究，得到了哺乳动物神经元模型 m 2 0 】，并由此发展形成了脉冲耦合神 经网络( p c n n ) 模型。 传统的人工神经网络模型应用了生物神经元有限属性。但实际上生物神经系 统的研究发现，神经元除了工作于兴奋和抑制两种状态超过细胞膜静止电位 阈值就处于兴奋状态，否则处于抑制状态；还具有多输入单输出的特点，神经元 胞体上各种树突的突触后接受周围与之相连的神经元轴突的突触前电脉冲信息， 空间和时间上按叠加方式作用，经过内部复杂的求和处理后由本神经元的轴突传 送到其他神经元；另外，突触部分的连接强度可以调节，其输入和输出之间还具 有明显的非线性效应：所有的神经元突触上突触后的输入并不是单纯的以求和方 式影响本神经元的脉冲发放，而具有非线性相乘的调制耦合特性。p c n n 模型还 考虑了生物电脉冲传输离子通道特性；考虑了哺乳动物视神经系统视野受到适当 刺激时，相邻神经元( 在猫视觉皮层相邻7 m m 范围内) 同步激发产生3 5 7 0 h z 振 荡脉冲串特性；非线性调制部分中偏置项实际上在神经元处于抑制状态时，内部 活动平衡态的一种等效表示。根据以上特点，p c n n 模型较以往神经网络模型向 实际生物神经网络靠近了一步，它对输入信息处理能力更强，性能更好。目前， p c n n 主要应用于特征提取，边缘信息分析，图像分割，目标识别等。本文借鉴 p c n n 模型，在i z h i k e v i c h 等人【2 0 埘】对皮层神经元集群的研究基础上，建立海马 区神经元放电的p c n n 仿真模型。 3 h o p f i d d 人工神经网络 h o p f i e l d 人工神经网络是美国物理学家h o p f i e l d ：于1 9 8 2 年首先提出来的【3 0 1 ， 它主要用于模拟生物神经网络的记忆机理。 h o p f i e l d 神经网络状态的演变过程是一个非线性力学系统，可以用一组非线 性差分方程或微分方程来描述。系统的稳定性可用所谓的“能量函数”( 即李雅普 诺夫或哈密顿函数) 进行分析。在满足一定条件下，某种“能量函数”的能量在网 2 天津医科大学博士学位论文 络运行过程中不断地减少，最后趋于稳定的平稳。对于一个非线性动力学系统， 系统的状态从某一初值出发经过演变后可能渐近稳定点，可形成极限环，或生成 混沌，或状态发散。因为人工神经网络的变换函数是一个有界函数，故系统的状 态不会产生发散现象。目前，人工神经网络常利用渐近稳定点来解决某些问题。 如若把系统的稳定点视为一个记忆的话，那么从初态朝这个稳定点的演变过程就 是寻找该记忆的过程。h o p f i e l d 的演变过程是一种计算联想记忆或求解优化问题 的过程。 4 t r a c e - l i n k 神经网络模型 2 0 0 3 年，m e e t e r 等人根据海马区神经核团之间的信息联系( 图1 1 ) 提出轨 迹联系模型( t r a c e 1 i n k m o d e l ) 3 1 3 6 】，建立了海马区神经核团模型。各系统内神 经元之间为全连接，系统内神经元与其它系统神经元的连接为多输入多输出。 该模型包括四层结构，分别为内嗅层( 4 0 个神经元) 、齿状回( 2 4 0 个神经元) 、 c a 3 ( 6 0 个神经元) 和c a l ( 1 0 0 个神经元) 。 圈1 - 1 海马区神经核团间的信息联系”1 各核团间的联系为： g ：= i + i ；- s s = 0 5 0 5 s i n ( t f 1 f = d i t 一+ 卢。( 4 - ) + 。胪爿二 1 ( 1 ) ( 2 ) ( 3 ) 天津医科大学博士学位论文 其中，g 为给定核团f 的抑制性电导；s7 为隔膜中间神经元的活动水平；t 为时 间；，为放电频率；i 。为内部中间神经元的活动水平；口。为t 时刻保留的( t 1 ) 时 刻抑制性的比例系数；口7 核团，的反馈抑制强度；驴为核团p 对核团，的前馈抑 制强度：( a 7 ) 为核团，的活动水平。 核团内部神经元之间权重变化的数学表达式为： a w , j = + s ，s j 一一s ，( 1 一s ，) ( 4 ) 其中，w , j 为节点i 与节点j 间的权重，s i 、s j 分别表示接收节点和发送节点的兴 奋性，+ 、一表示学习速率。 本论文的研究目的是建立海马c a 3 区神经元群体的放电活动模型，因此必须 根据海马区神经元群体电活动的特点建模。比较以上几类模型，借鉴i z h i k e v i c h 等人建立的皮层神经元集群p c n n 模型，结合海马神经元群体电活动的特点，本 论文采用p c n n 模型对海马c a 3 区神经元群体电活动进行仿真。 1 3 神经元集群编码的研究现状 传统的神经元集群编码方法是平均发放频率编码 3 7 - 3 9 ，它已经被广泛应用 于在刺激呈现期间神经元集群发放的编码表达。神经元集群平均发放编码频率表 达的基本观点是：神经元集群放电的编码是通过放电频率携带信息，区分一个神 经元集群是根据在生理时间窗口内( 1 0 0 2 0 0 m s ) ，平均发放率同时增高的神经元 被募集为一个集群。发放频率编码的局限性在于：由于频率编码是以神经元集群 放电频率的高低来反映刺激的强弱，从而对包含多个参数的刺激进行编码表达会 产生“重叠灾难”；对不同并行通道来的子信息( 比如颜色和形状) 集成时不能把 相应的信息捆绑在一起。近年的研究发现，不仅在神经元的发放率中包含了编码 信息，在神经元发放出现的时间中也包含了编码信息，它比频率编码更加有效率， 即时间编码。 最早的有关神经元集群时空编码理谢4 0 j 1 1 是1 9 8 1 年m a l s b u r g 提出的神经元 集群同步( 相关) 发放编码理论。其核心是从编码的概念出发，提出在快时间窗 4 天津医科大学博士学位论文 口上( 2 5 m s ) 神经元相互作用的时间调制。两个神经元所发放的脉冲串在快时 间尺度上，可以采用“相关”方法来进行同步( 相关) 与非同步( 非相关) 的衡量； 通过在刺激呈现期间神经元集群发放的互相关，来表征在这一集群中神经元被募 集的程度，彼此相关的、在给定的时间一起协同工作的动态神经元群编码着特定 的信息。如果两种刺激同时出现，可由分别在集群内部同步，而相互之间不同步 的两个集群来分别表示。因此神经元集群同步( 相关) 发放编码理论可以部分解 决“重叠灾难”问题。 1 9 9 6 年f u j i i 等首先提出了动态神经元集群编码理论 4 2 1 ，他们在神经元脉冲 发放时间一致性( 不是发放率) 检测器的基础上，提出了采用与任务相关的功能 性动态细胞集群( 编码方式的空间性) 进行具有时问一致性检测结构的编码，克 服了相关编码的部分局限性，但是时间一致性窗口大小的的选取会对编码结果产 生影响。此后国外学者在动态细胞集群时空编码领域做了许多工作【4 3 卅，但是 多数研究仍然在感知过程的神经元集群编码领域，主要的编码表达方式是主成分 编码、独立成分编码和人工神经网络编码。 国内对时间相关编码和同步振荡模型的研究已有涉及，主要研究对象是感知 过程的编码。例如：中国科学院郭爱克领导的研究组提出了用同步振荡来解决的 运动视觉信息处理问题的新模型，解决旋转运动物体感知，不动背景和运动图形 区分等 4 7 1 ；中国科学院生物物理所汪云九和齐翔林等人，对视皮层复杂细胞时空 编码特性的研究，采用不同的时间一致性窗口，从编码结果中发现短时过程的时 间一致性窗口的时间整合作用强【稍j 9 】。上海交通大学梁培基的研究组应用频率编 码和时间相关编码研究视网膜神经元集群中相邻神经元的协同活动矧，发现神经 元活动的同步性不完全随放电频率的提高而提高，他们应用视觉刺激作用时神经 元之间的动态相关性，对内层视网膜信号并行处理过程中信号编码传递方式进行 了探讨。 1 4 研究目的 本论文研究记忆脑区( 海马) 神经元集群电活动的小波一聚类编码，研究它