Key points are not available for this paper at this time.
Um die dynamischen Verhaltensweisen diskreter neuronaler Modelle zu bereichern und biologische neuronale Netzwerke effektiver nachzuahmen, schlägt dieses Papier ein bistabiles lokal aktives diskretes Memristormodell (LADM) vor, um Synapsen zu imitieren. Wir untersuchten die dynamischen Verhaltensweisen neuronaler Netzwerke, indem wir das LADM in zwei identische Rulkov-Neuronen einführten. Basierend auf numerischen Simulationen zeigte das neuronale Netzwerk Multistabilität und neue Feuermuster unter verschiedenen Systemparametern und Anfangswerten. Darüber hinaus wurde die Phasensynchronisation zwischen den Neuronen untersucht. Es ist auch erwähnenswert, dass die Rulkov-Neuronen ein Synchronisationsübergangsverhalten zeigten; das heißt, die Antiphase-Synchronisation wandelte sich mit der Änderung der Kopplungsstärke in die In-Phase-Synchronisation. Insbesondere wurde die Antiphase-Synchronisation unterschiedlicher Feuermuster im neuronalen Netzwerk untersucht. Dies kann die unterschiedlichen Feuermuster gekoppelt homogener Neuronen in den verschiedenen funktionalen Bereichen des Gehirns charakterisieren, was hilfreich ist, um die Entstehung funktionaler Bereiche zu verstehen. Dieses Papier hat einen potenziellen Forschungswert und legt die Grundlage für biologische Neuronexperimente und neuronengestützte Ingenieuranwendungen.
Ma et al. (Mi,) untersuchten diese Frage.