神经元及其建模

我最近写了一篇关于记忆在大脑中如何工作的文章。一些评论说，我没有充分披露生物神经元特征的话题。我决定纠正我的错误。

本文列出了将生物神经元与具有键重和激活阈值的简单模型区分开来的主要机制。如果需要考虑这些功能，我将告诉您如何校正模型。

我们从以下简单图片开始：

1.我们有不同的神经元

问题：大脑中神经递质的类型很多，每个神经元都有自己的一组受体。


解决方案：给神经元球着色，从而突出显示对特定神经递质有反应的神经元。如果您需要一个神经元使用多种神经递质-将其涂成几种颜色。如果每个神经递质都以自己的方式影响神经元的电荷，请为每个神经递质创建神经元电荷的函数。描述具有这些功能的神经元。

2.电荷从神经元泄漏

问题：真正的神经元不会在无限长的时间内存储所有带电粒子，而是会逐渐放电。

解决方案：时不时设置神经元放电功能。如有必要，每个神经元可以有一个。但是总的来说，由于电位差导致电荷泄漏，因此情况就像是使用自放电电容器一样-我们将遇到类似情况：$$，其中U是神经元和环境之间的电位差，t是时间，R是膜阻力，C是神经元-膜-环境系统的容量。顺便说一句，这已经完成了。$U(t) = U_0*e^{-t/RC}$

3.神经元可以被激活而没有其他神经元的信号

问题：由于真正的神经元并不担心神经递质的来源，因此它可以自身激活，只需将神经递质释放到大脑即可。

解决方案：添加一种在激活时会增加所有神经元电荷的物质。用所需神经递质的颜色上色。需要模拟外部神经递质来源时激活。

4.有些神经元没有树突

问题：某些神经元根本不接收来自其他神经元的输入信号，仅从神经递质的水平激活。

解决方案：请参见上面的段落。

5.神经发生

问题：新的神经元和连接在大脑中生长。而且，他们也死了。

解决方案：如果需要模拟神经发生，则动态添加新的神经元和连接。模拟反向过程-删除。

6.神经元之间的连接-不是静态的

问题：当神经元被激活时，它们之间的连接就会增强或减弱。这取决于激活顺序。如果激活方向是直接的，即 首先，激活箭头所离开的神经元，然后激活箭头所进入的神经元-连接得到加强。反之则减弱。

解决方案：根据激活顺序，减少或增加连接的重量。是的，权重可以为零。这意味着连接太弱，一个神经元的激活不会影响另一个神经元。但是有可能，我们可以通过外部直接激活来增强这种连接-因此，您不能简单地将其删除。

7.长期记忆

问题：真实的大脑可以“固定”通信状态，从而确保长期记忆的可用性。该过程称为后期长期增强。

解决方案：记住“固定”连接时的重量值。在加强或减弱连接之后，将连接的强度恢复为原来的强度。如果连接再次固定-更新保存的值。

8.从长期记忆中忘记信息

问题：真实的大脑甚至能够降低先前机制所接收到的连接。

解决方案：使用第6节的机制运行通信质量下降。（与通讯顺序相反的方向激活），并使用第7条记录结果。

9.物质

问题：真正大脑的持有者有时会吃一些调节天然神经递质的药，或者是它们的结构对应物。例如，SSRI抗抑郁药会增加作用于神经元的5-羟色胺的量，并且大脑会阻断多巴胺受体。

解决方案：减弱或放大相应颜色的神经元的所有信号。例如，我们阻断了多巴胺-我们将所有多巴胺神经元的电荷降低了90％。我们采用了5-羟色胺再摄取抑制剂-我们将所有5-羟色胺键增加了30％。我们采用了5-羟色胺的结构类似物-我们再次将其增加了，但已经增加了3倍。

10.其他问题

神经元充电是非线性的吗？创建一个函数，并用它来描述电荷的增加。想描述其他实体对神经元的影响吗？将它们添加到模型中。本质不会改变-您将始终拥有神经元及其之间的联系。您可以根据需要自定义其行为。

想要使其更接近真实吗？上面列出的9点会有所帮助。您不需要它，因为您的任务是识别照片？忘记所有这些细微差别。想要类似于生物大脑记忆的记忆吗？考虑点5至点8。精度不够吗？深入研究神经科学，再上一个层次并完善模型。模拟突触，模拟受体的行为。有回旋余地。

之前已经进行了很多建模，您可以使用这些结果。我和其他任何人都没有描述过具体的事情-自己做。

但是，如果您不需要这样的准确性，那就算了。您不必因为现在有了一组新的闪亮锤子而过度设计。这与使用GR模拟从9层建筑物掉落的砖块相同。是的，相对论效应也适用于这种情况。但是，您将使您的任务严重复杂化，作为回报，您将获得0.0000001％的准确性提升。

保持简单明了。

PS：
如果您想看看使用这种模型的示例，那么在本文中，我将使用上面列出的一些要点对生物大脑中的记忆进行建模。