| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第17-33页 |
| 1.1 引言 | 第17页 |
| 1.2 研究背景 | 第17-28页 |
| 1.2.1 神经精神疾病 | 第17-18页 |
| 1.2.2 电磁刺激技术 | 第18-20页 |
| 1.2.3 神经元的模型研究 | 第20-24页 |
| 1.2.4 神经元的动力学特性 | 第24-25页 |
| 1.2.5 神经元模型的参数拟合 | 第25-27页 |
| 1.2.6 神经元网络 | 第27-28页 |
| 1.3 研究思路 | 第28-29页 |
| 1.4 主要贡献 | 第29-30页 |
| 1.5 内容安排 | 第30-33页 |
| 第二章 二维神经元模型的动力学特性 | 第33-61页 |
| 2.1 Prescott模型及其放电特性 | 第33-36页 |
| 2.2 Prescott模型的平衡点分析 | 第36-39页 |
| 2.3 平衡点的鞍结分岔分析 | 第39-45页 |
| 2.3.1 鞍结点的确定 | 第39-42页 |
| 2.3.2 多值平衡点区域与临界鞍结点 | 第42-45页 |
| 2.4 平衡点的Hopf分岔分析 | 第45-51页 |
| 2.4.1 Hopf分岔 | 第45-48页 |
| 2.4.2 临界Hopf分岔 | 第48-51页 |
| 2.5 Hopf分岔的类型与控制 | 第51-59页 |
| 2.5.1 二维Prescott模型的Hopf分岔类型判定 | 第51-55页 |
| 2.5.2 基于Washout滤波器的Hopf分岔控制 | 第55-59页 |
| 2.6 本章小结 | 第59-61页 |
| 第三章 三维神经元模型的动力学特性 | 第61-85页 |
| 3.1 三维Prescott模型的放电特性 | 第61-63页 |
| 3.2 三维Prescott模型的平衡点分析 | 第63-66页 |
| 3.3 鞍结分岔 | 第66-72页 |
| 3.3.1 鞍结点的确定 | 第66-67页 |
| 3.3.2 多值平衡点区域与临界鞍结点 | 第67-72页 |
| 3.4 Hopf分岔 | 第72-75页 |
| 3.4.1 Hopf分岔的确定 | 第72-73页 |
| 3.4.2 临界Hopf分岔 | 第73-75页 |
| 3.5 Hopf分岔的类型与控制 | 第75-77页 |
| 3.5.1 三维Prescott模型的Hopf分岔类型 | 第75-76页 |
| 3.5.2 基于Washout滤波器的Hopf分岔控制 | 第76-77页 |
| 3.6 Hopf分岔的迁移控制 | 第77-82页 |
| 3.6.1 Hopf分岔的代数判据 | 第77-79页 |
| 3.6.2 三维Prescott模型的Hopf分岔迁移控制 | 第79-81页 |
| 3.6.3 迁移点的Hopf分岔类型控制 | 第81-82页 |
| 3.7 本章小结 | 第82-85页 |
| 第四章 外电场作用下单神经元的适应性分析 | 第85-103页 |
| 4.1 外电场下适应性LIF模型的建立 | 第85-89页 |
| 4.1.1 适应性LIF模型 | 第85-87页 |
| 4.1.2 外电场作用下改进的适应性LIF模型 | 第87-89页 |
| 4.2 直流外电场下LIF模型的两种适应性机制对比 | 第89-93页 |
| 4.2.1 适应性LIF模型的放电序列 | 第89-90页 |
| 4.2.2 适应性LIF模型的f-V曲线 | 第90-91页 |
| 4.2.3 适应性LIF模型的ISI相关性 | 第91-93页 |
| 4.3 交流外电场下LIF模型的两种适应性机制对比 | 第93-99页 |
| 4.3.1 幅值与适应性的关系 | 第93-96页 |
| 4.3.2 频率与适应性的关系 | 第96-99页 |
| 4.4 外电场作用下Ermentrout模型的适应性 | 第99-101页 |
| 4.4.1 外电场下改进的Ermentrout模型 | 第99-100页 |
| 4.4.2 外电场下Ermentrout模型的适应性 | 第100-101页 |
| 4.5 本章小结 | 第101-103页 |
| 第五章 小世界神经元网络的适应性分析 | 第103-123页 |
| 5.1 Ermentrout小世界神经元网络模型 | 第103-105页 |
| 5.2 Ermentrout小世界网络的适应性分析 | 第105-112页 |
| 5.2.1 不同适应变量的适应性 | 第106-107页 |
| 5.2.2 不同耦合强度的适应性 | 第107-108页 |
| 5.2.3 不同加边概率的适应性 | 第108-109页 |
| 5.2.4 不同网络规模的适应性 | 第109-111页 |
| 5.2.5 含噪声直流刺激下神经元网络的适应性分析 | 第111-112页 |
| 5.3 交流外电场下小世界神经元网络的适应性 | 第112-122页 |
| 5.3.1 不同输入参数下神经元网络的适应性 | 第113-117页 |
| 5.3.2 不同网络参数下神经元网络的适应性 | 第117-121页 |
| 5.3.3 含噪声交流外电场下神经元网络的适应性分析 | 第121-122页 |
| 5.4 本章小结 | 第122-123页 |
| 第六章 基于神经元特性的模型参数拟合 | 第123-139页 |
| 6.1 改进的粒子群优化算法 | 第123-125页 |
| 6.2 基于适应性特性的Ermentrout神经元模型参数拟合 | 第125-131页 |
| 6.2.1 适应度函数的选取 | 第125页 |
| 6.2.2 仿真结果 | 第125-129页 |
| 6.2.3 与经典PSO算法的比较 | 第129-131页 |
| 6.3 基于帕金森放电特性的丘脑神经元模型参数拟合 | 第131-137页 |
| 6.3.1 帕金森疾病 | 第131-132页 |
| 6.3.2 丘脑神经元模型 | 第132-133页 |
| 6.3.3 适应度函数 | 第133-134页 |
| 6.3.4 仿真结果 | 第134-137页 |
| 6.4 本章小结 | 第137-139页 |
| 第七章 稀疏前馈神经元网络中的弱信号传导 | 第139-151页 |
| 7.1 前馈神经元网络的构建 | 第139-142页 |
| 7.1.1 前馈神经元网络 | 第139-141页 |
| 7.1.2 Izhikevich模型 | 第141-142页 |
| 7.1.3 输入刺激和输出量化指标 | 第142页 |
| 7.2 E/I平衡对稀疏前馈网络中弱信号传导的影响 | 第142-146页 |
| 7.3 E/I平衡与背景噪声的共同作用对弱信号传导的影响 | 第146-147页 |
| 7.4 E/I平衡在弱信号传导中的机制 | 第147-149页 |
| 7.5 本章小结 | 第149-151页 |
| 第八章 总结与展望 | 第151-153页 |
| 8.1 总结 | 第151-152页 |
| 8.2 展望 | 第152-153页 |
| 参考文献 | 第153-167页 |
| 发表论文和参加科研情况说明 | 第167-169页 |
| 致谢 | 第169-170页 |
