Stochastic Synchronization and Coherence Resonance Near a Hopf Bifurcation
Notice bibliographique
Résumé
Noise is an inherent part of neuronal dynamics. Experimental studies have revealed that noise plays an important role in neural dynamics. It has been shown, for example, that noise can have a constructive effect on the functioning of biological systems such as noise-induced synchronization, which is typically studied in the context of excitable neural networks. Neural excitability and the bifurcations which result in the transition from quiescence to oscillation or bursting/spike emission largely determine the neurophysiological properties of neurons. For example, excitable neurons in the vicinity of a Hopf bifurcation have been shown to respond preferably to excitation and can be easily synchronized by a stochastic stimulus. In this thesis we study the roles of stochastic synchronization and coherence resonance in neuro-physiological models near a Hopf bifurcation. We begin by considering a mathematical model for a neural network in the vicinity of a Hopf bifurcation, where bursting can be induced by a stochastic stimulus. We show that the coherence of the network is optimized by an optimal level of stochastic stimulus. Then, we study the general class of such models by considering the canonical model for a normal form near a Hopf bifurcation. We show that synchronization is optimized by an optimal level of stochastic stimulus and may be further tuned by adjusting the coupling of our model in a non-trivial way.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».