知识地图 › 模块 05
MODULE 05
网络动力学
Network dynamics
- 目标
- 理解"集体行为"如何从连接与非线性中涌现——吸引子、振荡、平衡态、临界性,以及它们各自的实验证据与争议。
- 前置
- 模块 02(动力学)、模块 03(突触)。
- 周期
- 3–4 周 | 共 6 个知识点
本模块进度0/6
5.1
率方程与 Wilson–Cowan 模型Rate equations and Wilson-Cowan
把兴奋与抑制群体各压缩成一个变量,就能产生振荡、双稳态与选择行为。
★★☆
5.2
吸引子网络与 Hopfield 模型Attractor networks
把记忆存成能量景观里的谷,部分线索就能把状态"滚"回完整的记忆。
★★☆可仿真
5.3
兴奋-抑制平衡网络Balanced excitation-inhibition
皮层在体记录呈"异步、不规则"发放:平均输入巨大但相互抵消,放电由涨落驱动。
★★★
5.4
同步、振荡与 Kuramoto 模型Synchrony and oscillations
一群频率各异的振子,只要耦合够强,就会锁相——这就是脑节律的数学骨架。
★★☆可仿真
5.5
临界性与神经雪崩Criticality and neuronal avalanches
皮层可能运行在"刚好不爆炸"的临界点:雪崩大小服从幂律,动态范围最大化。
★★★
5.6
连续吸引子与环形网络Continuous attractors
当吸引子不是离散的点而是一条连续的线,网络就能表示"一个连续变量"。
★★★
自测题
- Wilson–Cowan 模型中,增大 w_EI(兴奋→抑制)会怎样影响振荡频率与振幅?先推理再用相平面验证。
- 平衡网络中,如果只增大兴奋性连接而不同步增大抑制,网络会进入什么状态?
- Kuramoto 模型中 r 从 0 到 1 的转变是连续还是突变的?这取决于频率分布 g(ω) 的什么性质?