Neural oscillations as synchronized activity of large numbers of neurons in the neural ensembles have always been a hot topic of research for experimental and theoretical studies because of their high importance in human behaviors and functions. Since there is not yet a comprehensive mathematical model for simulating brainwaves, we proposed a cellular automaton (CA) model of a neuronal population by considering the different states of an action potential at the cellular level and simple connectivity patterns . Some important characteristics of a neural network are included in the model, such as different states of activation of a neuron, and excitatory and inhibitory synapses. Our computational model can display different dynamics from fixed-point and limit-cycle to chaotic behaviors similar to different dynamics of a real neuronal population in the brain. Qualitative and quantitative comparisons of the real electroencephalogram data and the CA simulations in the linear and nonlinear domains demonstrated the efficiency of our CA network to simulate the electrical brain activity. Time series from the proposed model display a high-dimensional stochastic behavior that corresponds to the behavior of a healthy brain. Therefore, this model can be used to study biological neuronal populations and provide more insight into their different mechanisms.

神经振荡作为神经集合中大量神经元的同步活动，一直是实验和理论研究的热点，因为它们在人类行为和功能中具有很高的重要性。由于目前还没有用于模拟脑电波的综合数学模型，我们通过考虑细胞水平上动作电位的不同状态和简单的连接模式，提出了神经元群体的细胞自动机（CA）模型。模型中包含神经网络的一些重要特征，例如神经元的不同激活状态，以及兴奋性和抑制性突触。我们的计算模型可以显示从定点和极限循环到类似于大脑中真实神经元群的不同动态的混沌行为的不同动态。真实脑电图数据与线性和非线性域中的 CA 模拟的定性和定量比较证明了我们的 CA 网络模拟脑电活动的效率。来自所提出模型的时间序列显示了与健康大脑的行为相对应的高维随机行为。因此，该模型可用于研究生物神经元群体，并提供对其不同机制的更多见解。真实脑电图数据与线性和非线性域中的 CA 模拟的定性和定量比较证明了我们的 CA 网络模拟脑电活动的效率。来自所提出模型的时间序列显示了与健康大脑的行为相对应的高维随机行为。因此，该模型可用于研究生物神经元群体，并提供对其不同机制的更多见解。真实脑电图数据与线性和非线性域中的 CA 模拟的定性和定量比较证明了我们的 CA 网络模拟脑电活动的效率。来自所提出模型的时间序列显示了与健康大脑的行为相对应的高维随机行为。因此，该模型可用于研究生物神经元群体，并提供对其不同机制的更多见解。