AI 词汇表
人工智能完整词典
整合与放电
神经元简化模型，其中细胞膜整合突触输入直到达到阈值，触发动作电位并重置电压。该模型在保持大规模模拟计算可行性的同时，捕捉了神经元放电的基本动力学。
突触可塑性 (STDP)
基于突触前和突触后动作电位之间精确时间相关性来调节突触连接强度的机制。STDP（脉冲时序依赖可塑性）是神经网络发展和可塑性的关键学习规则。
电导尺度神经网络 (CNS)
一种建模方法，其中突触通过电导变化而非注入电流来表示，更真实地模拟突触后离子通道开放的效应。这种方法捕捉了突触整合的分流（除法）特性以及兴奋与抑制之间的相互作用。
神经振荡
神经元群体的节律性、同步化电活动，可在不同频率（θ、α、β、γ）下观察到。这些振荡参与信息绑定、注意力和记忆等认知功能，并从电路特性和突触相互作用中产生。
吸引子态动力学
理论概念，其中神经网络在响应输入时收敛到稳定的活动模式（吸引子），代表记忆或计算状态。这些动力学解释了神经活动的持续性以及信息处理对噪声的鲁棒性。
脉冲时间编码
假设信息不仅通过神经元的放电率表示，还通过个体动作电位的精确时间来表示。这种编码允许高速信息传输，对声源定位等现象至关重要。
泄漏整合与放电神经元模型
整合与放电模型的扩展，包含膜电流泄漏特性，模拟膜电位自然回归静息电位的过程。泄漏参数（tau）控制神经元的时间整合和对输入频率的敏感性。
分流抑制
一种抑制形式，其中兴奋输入对神经元输出的效应被抑制活动除以（或乘以小于1的因子），而不仅仅是减去。这种通过分流突触实现的机制对于增益控制和神经元响应规范化至关重要。
抑制性去同步化
通过抑制性神经元，特别是快速放电的小白蛋白神经元，可以解除兴奋性神经元群体的同步活动的机制。这个过程对于产生伽马振荡和信息处理的时间分割至关重要。
神经元群体模型
一类描述大型神经元群体平均活动动态的模型，忽略了单个神经元的行为。它们对于将微观（细胞）活动与可测量的宏观信号（如脑电图或功能性磁共振成像）联系起来至关重要。
小世界网络拓扑
一种网络结构，其特点是具有较高的局部聚类度和节点间较短的路径长度，类似于真实的神经网络。这种拓扑结构同时优化了信息传播速度和局部处理能力。