神經元內在可塑性建模及在神經信息處理中的套用

《神經元內在可塑性建模及在神經信息處理中的套用》是依託浙江大學，由李春光擔任項目負責人的面上項目。

基本介紹

• 中文名：神經元內在可塑性建模及在神經信息處理中的套用
• 依託單位：浙江大學
• 項目負責人：李春光
• 項目類別：面上項目

項目摘要

對大腦的研究不僅具有重要的科學意義，而且也存在著孕育突破性技術的機遇。學習是神經系統中的一個非常重要的過程，近年來研究發現，不僅突觸權值可以通過學習自適應地調解，神經元自身特性也可以通過學習自適應調解。文獻中對突觸可塑性的研究很多，但對神經元內在可塑性的研究相對來說還很少。本項目將研究神經元內在可塑性的建模與套用。研究目標和意義是雙重的：一方面對神經元內在可塑性進行建模，並通過仿真研究神經元內在可塑性（以及內在可塑性和突觸可塑性二者協同）在大腦進行神經信息處理中起到的可能作用；另一方面，借鑑協同可塑性的神經機理研究協同學習算法，以期獲得更好的神經計算算法。協同學習算法的套用將主要考慮系統辨識和時間序列預測。通過本項目的研究將從理論和套用兩方面增進對神經元內在可塑性以及協同可塑性在神經信息處理中作用的理解。

結題摘要

對大腦的研究不僅具有重要的科學意義，而且也存在著孕育突破性技術的機遇。大腦中的信息處理任務主要是由大量的神經元和連線它們的突觸組成的神經網路執行的。學習是神經系統中的一個非常重要的過程，傳統上關於生物神經系統的學習和記憶的理論幾乎都是基於Hebb 的思想：記憶是存儲在突觸中的，而學習的過程也就是調整突觸權值的過程。近年來研究發現，不僅突觸權值可以通過學習自適應地調解，神經元自身特性也可以通過學習自適應調解，這種調節被稱為神經元內在可塑性。神經元可以根據過去接收到的歷史輸入動態地調整其回響特性，以使得在外界環境和輸入變化時，神經元脈衝發放率的平均值仍然能大致保持在一個相對恆定的數值，使得神經元可以總是用輸入-輸出回響曲線的最靈敏區域去和輸入的分布的高機率區域相對應，使得神經元可以用最小的平均放電率實現最大限度地表示信息。文獻中對突觸可塑性的研究很多，但對神經元內在可塑性的研究相對來說還很少。神經元內在可塑性在神經信息處理中會起到什麼樣的作用呢？我們是否可以在人工神經網路中借鑑神經元內在可塑性機制呢？這是有趣的研究課題。本項目通過建模、理論分析、算法設計、計算機仿真的方式對此問題進行了研究。我們根據實驗現象，提出了人工神經元激活函式和放電神經元的內在可塑性模型；構建了膠質細胞場模型，研究了膠質細胞和神經元內在可塑性在含噪信息處理、同步、信號傳輸等神經信息處理任務中的作用。提出了將人工神經元激活函式的自適應調節和權值調節的學習算法相結合的協同學習算法。協同學習算法主要被套用於系統辨識和時間序列預測。通過本項目的研究，從理論和套用兩方面增進了對神經元內在可塑性以及協同可塑性在神經信息處理中作用的理解。在本項目資助下，項目組還對感測器網路中的分散式協同信息處理進行了研究。本項目的成果主要是論文發表，在本項目資助下，共發表論文31篇，其中SCI收錄論文28篇。