帕金森状态的脉冲神经网络建模及最优控制

本书内容属于控制理论与神经科学的交叉研究方向，以脑疾病中的帕金森病为背景。第1章为绪论，介绍了帕金森病的电生理特性、用于治疗帕金森病的DBS技术及PID闭环调制策略等。第2～3章介绍了用于建模正常状态和帕金森病状态下的脉冲神经元数学模型，包括单个神经元模型，如经典的Izhikevich模型，Morris-Lecar模型、双间室模型和振荡子网络模型及神经网络模型；还包括建模基底核的Rubin-Terman模型和小世界网络模型等。第4～6章介绍了基于相重置和动态规划的帕金森病最优控制；还介绍了基于模型的机器学习算法在脑疾病最优神经调控策略中的应用，主要包括动态规划法、Q学习算法和Actor-Critic法等几种典型的强化学习算法。

这是一本深度探索神经科学和计算机科学交叉领域的书籍。书中以脑科学的重要性和研究目标为起点，介绍了帕金森病及其诊疗技术，特别是闭环控制技术。接着，作者详细介绍了帕金森病的脉冲模型，包括单神经元脉冲模型和脉冲网络模型，以及这些模型在帕金森病状态下的应用。 书中深入探讨了脉冲模型的非线性动态，包括相关理论、脉冲模型的典型非线性动力学分析以及相响应曲线分析。这些理论为理解帕金森病的病理机制提供了新的视角，并为治疗提供了新的思路和方法。 在治疗策略方面，书中详细介绍了基于相重置的帕金森病最优控制和基于动态规划的帕金森病最优控制。这些方法通过优化刺激参数，达到最优的治疗效果，同时减少治疗的副作用和风险。此外，作者还介绍了基于强化学习的帕金森病最优控制，这种新方法通过智能体与环境交互来学习最优策略，为帕金森病的治疗提供了新的思路和方法。 书中还详细讨论了算法实现，包括动态规划算法在神经网络的最优控制中的应用，以及代价函数在最优控制理论中的重要性。此外，作者还探讨了帕金森病与同步现象，以及神经元系统同步现象的相模型，这些理论为理解帕金森病的病理机制提供了新的视角，并为治疗提供了新的思路和方法。