Resumen

Las neuronas pueden detectar señales débiles de un objetivo entre señales de fondo complejas a través de los mecanismos de resonancia estocástica (SR) y resonancia vibracional (VR). Sin embargo, la variación aleatoria de fase de las señales de fondo que fluctúan rápidamente generalmente se ignora en los estudios clásicos de VR o SR. Aquí, las señales de fondo que fluctúan rápidamente se modelan mediante ruido acotado con fase aleatoria que fluctúa rápidamente derivada de un proceso de Wiener. Luego, se discuten las influencias del ruido acotado en la detección de la señal débil en la neurona FitzHughNagumo (FHN). Los resultados numéricos revelan la ocurrencia de una resonancia única y birresonancia inducidas por el ruido acotado, así como una transición entre ellas. La aleatoriedad en la fase puede mejorar la adaptabilidad de las neuronas, pero a costa del rendimiento de detección de señales para que las neuronas puedan funcionar en entornos más complejos con

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Neuronas; Detección de señales débiles; Ruido limitado; Resonancia estocástica; Resonancia vibracional; Adaptabilidad
• Keywords:Neurons; Weak signal detection; Bounded noise; Stochastic resonance; Vibrational resonance; Adaptability