整合—激发模型特性研究及其应用

本文提出了一种新的Integrate-and-Fire(IF)简化模型，尽管较以往的IF模型，新模型的活动方程大大进行了简化，但其运行结果却很好的拟合了神经细胞的生理特性，尤其是该模型较好地匹配了突触联接的非线性特性。并对输入服从泊松分布时，IF模型输出的单个样本函数及其数学期望进行了分析，得到一些不错的结果和好的性质。并通过输入星云图，对IF模型构成的神经网络进行研究，得到了IF模型的自动波传播特性。 特别，本文最后还针对这种模型推导出了一种基于最大信息量的学习算法，此算法的有效性在接下来的盲信号分离的仿真中得到了证实。分别在有监督和无监督的学习条件下得到了理想的分离效果，本文最后又对算法的优缺点进行了总结。