[论文解读] Controlling Neuronal Noise Using Chaos Control

David J. Christini, James J. Collins|ArXiv.org|Mar 15, 1995

Neural dynamics and brain function被引用 3

一句话总结

本文挑战了实验系统中神经元噪声为混沌的假设，表明将混沌控制技术应用于非混沌、受噪声驱动的神经元模型时，其结果与看似混沌的离体神经元网络中报告的结果无法区分。作者表明，类似结果亦可在随机系统中通过混沌控制实现，提示此类技术可能广泛适用于真正混沌系统之外的系统。

ABSTRACT

Chaos control techniques have been applied to a wide variety of experimental systems, including magneto-elastic ribbons, lasers, chemical reactions, arrhythmic cardiac tissue, and spontaneously bursting neuronal networks. An underlying assumption in all of these studies is that the system being controlled is chaotic. However, the identification of chaos in experimental systems, particularly physiological systems, is a difficult and often misleading task. Here we demonstrate that the chaos criteria used in a recent study can falsely classify a noise-driven, non-chaotic neuronal model as being chaotic. We apply chaos control, periodic pacing, and anticontrol to the non-chaotic model and obtain results which are similar to those reported for apparently chaotic, {\em in vitro} neuronal networks. We also obtain similar results when we apply chaos control to a simple stochastic system. These novel findings challenge the claim that the aforementioned neuronal networks were chaotic and suggest that chaos control techniques can be applied to a wider range of experimental systems than previously thought.

研究动机与目标

• 调查离体神经元网络中的神经元噪声是否真正具有混沌特性。
• 检验先前研究中用于识别神经元系统混沌性的混沌检测标准的有效性。
• 确定混沌控制技术是否可在非混沌、受噪声驱动的系统中产生与混沌系统相似的结果。
• 评估混沌控制技术在表现出确定性混沌的系统之外的更广泛应用潜力。
• 挑战此前将实验结果归因于混沌的解释。

提出的方法

• 将混沌控制技术（特别是时滞反馈控制）应用于非混沌、受噪声驱动的神经元模型。
• 采用周期性刺激和反控制方法调节非混沌模型的系统动力学。
• 将非混沌模型的动力学结果与看似混沌的神经元网络中报告的动力学进行比较。
• 将相同的混沌控制协议应用于简单随机系统，以检验其普适性。
• 使用相同的控制参数，评估混沌系统与非混沌系统中控制结果的一致性。
• 重新评估先前研究中用于识别神经元系统混沌性的标准，突出潜在的误分类风险。

实验结果

研究问题

• RQ1 混沌控制技术是否可在非混沌、受噪声驱动的神经元模型中产生与声称具有混沌特性的系统相似的结果？
• RQ2 用于识别生理系统（如神经元网络）中混沌的标准混沌检测准则是否可靠？
• RQ3 随机系统在混沌控制下在多大程度上能模拟混沌系统的行为？
• RQ4 对非混沌系统应用混沌控制是否否定了先前基于实验神经元数据中混沌存在的主张？
• RQ5 当噪声被误认为是混沌时，对神经科学实验结果的解释会产生何种影响？

主要发现

• 当施加混沌控制时，非混沌、受噪声驱动的神经元模型的动力学与看似混沌的离体神经元网络中报告的动力学无法区分。
• 对简单随机系统应用混沌控制，其结果与声称具有混沌特性的系统中观察到的结果相似。
• 先前研究中使用的标准混沌检测准则可能错误地将受噪声驱动的非混沌系统识别为混沌系统。
• 研究结果表明，神经元网络中观察到的控制效应可能源于噪声，而非确定性混沌。
• 混沌控制技术可能在比以往认为更广泛的系统类别中有效，包括非混沌、随机系统。
• 本研究对先前基于有限或有缺陷检测方法而声称存在混沌的实验神经元数据的解释提出了质疑。