Pattern formation in neural dynamical systems governed by mutually Hamiltonian and gradient vector field structures

Abstract

We analyze dynamical systems of general form possessing gradient (symmetric) and Hamiltonian (antisymmetric) flow parts. The relevance of such systems to self-organizing processes is discussed. Coherent structure formation and related gradient flows on matrix Grassmann type manifolds are considered. The corresponding graph model associated with the partition swap neighborhood problem is studied. The criterion for emerging gradient and Hamiltonian flows is established. As an example we consider nonlinear dynamics in a neuron network system described by a simulative vector field. A simple criterion was written in order to establish conditions for the formation of an oscillatory pattern in a model neural system under consideration.

Аналізуються динамічні системи загального виду, векторні поля яких складаються з градієнтної (симетричної) та Гамільтонової (антисиметричної) складових. Дискутується відповідність таких систем процесам самоорганізації. Розглядається виникнення когерентних структур і відповідних градієнтних потоків на грасманових многовидах, а також моделювання таких структур відповідною моделлю графа, який виникає в результаті такого формування. Встановлено критерій виникнення гамільтонових і градієнтних векторних полів. Розглядається модельний приклад нейронної динамічної системи, для якої встановлені умови виникнення осциляційних структур.