A Spatio-temporal Investigation of Dynamics of a Two-dimensional Multi-scale Fitz-Hugh Nagumo Neuronal Network
Notice bibliographique
Résumé
Abstract The multi scale architecture by Breakspear and Stam [2] introduces a framework to consider the dynamical processes specific to a nested hierarchy of spatial scales, from neuronal masses to cortical columns and functional brain regions. They hypothesize that the neural dynamics is a function of the structural properties of the neural system at a certain scale as well as the emergent behaviour of the smaller scale activities. In this paper, we adopt the multi scale framework to investigate a generalized version of the stochastic Fitz-Hugh Nagumo (FHN) neuronal system within the small scale process and their emergent large scale synchronization effects leading to the formation of travelling waves in the large scale system. We extend the multi scale framework to incorporate the nonlinear biological synaptic connectivity at the neuronal mass scale. The modified multi scale scheme utilizes the two-dimensional wavelet decomposition in the plane of dynamical interconnected neurons. In addition, we consider the large-scale spatio-temporal system of FHN reaction-diffusion partial differential equations and evaluate the formation of travelling waves in the simplified context of a cellular neural network (CNN) model. Numerical examples are given to illustrate the response and the isolated influence of the strength of neural connectivity on the travelling wave formation modes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».