集群平衡网络中的WLC:抑制性集群
Winnerless competition in clustered balanced networks: inhibitory assemblies do the trick
Thomas Rost
Computational Systems Neuroscience, Institute for Zoology,Faculty of Mathematics and Natural Sciences,
University of Cologne, Cologne, Germany
摘要:平衡网络是哺乳动物新皮层神经网络的一种常用基本模型。大量的兴奋性神经元和抑制性神经元经常循环连接,这样每个神经元接受的大量正负输入会相互抵消。因此,神经元放电受输入波动的驱动,类似于在皮层体内数据中观察到的不规则和异步活动。最近,平衡网络模型已经扩展到容纳强烈互连的兴奋性神经元的集群,以解释与工作记忆有关的任务中的持续活动。这种聚集的拓扑结构引起了吸引子之间的多重稳定性和Winnerless competition(WLC),并且可以捕获实验中发现的试验间的变异性及其在刺激过程中的降低。在这篇文章中,我们回顾了二元神经元平衡网络的平均场描述,并将该理论应用于聚类网络。我们表明,具有成集群的兴奋性连通性的网络的稳定不动点趋向于朝着发放速率饱和的方向快速发展,这通常与实验数据不一致。为了弥补这一缺陷,我们然后对兴奋性和抑制性神经元集群具有局部平衡集群的网络提出了一种新颖的观点。这种方法可以在广泛的参数范围内,在激活的集群中实现真正的多重稳定性和适中的发放速率。我们的发现得到了平均场理论和数值网络模拟的支持。最后,我们讨论了联合兴奋性和抑制性聚类概念在未来皮质网络建模研究中的可能应用。
翻译稿件:集群平衡网络中的WLC:抑制性集群
翻译原件:Winnerless competition in clustered balanced networks: inhibitory assemblies do the trick