CANNES

Investigación
Areas
Proyectos
Publicaciones
Simuladores
Tesis


Gente
Directores
Administrador
Miembros

Laboratorio
Actividades
Infraestructura
Oportunidades

Cursos
Licenciatura
Maestría
Diplomados

[English Version]

Redes Neuronales

Las redes neuronales se modelan a diferentes niveles de resolución, desde las neuronas más sencillas tipo McCulloch-Pitts, el modelo de integrador con fugas donde la tasa de disparo es una función no-lineal sencilla del potencial de membrana (cada neurona se modela como un sólo compartimiento), hasta modelos de míltiples compartimientos que incorporan membranas activas y una variedad de canales. Tales modelos pueden o no incorporar mecanismos de plasticidad sináptica. Además, algunos modeladores pueden incluir ajustes de pesos sinápticos que no tiene la intención de representar aprendizaje pero sirven como procedimientos sencillos de identificación, o sea, dada una "arquitectura" general (patrón de conectividad) para una red neuronal, estos procedimientos buscan ajustar pesos (y posiblemente otros parámetros) que permitan a la arquitectura aproximarse a sus propiedades deseadas.

Un sistema de simulación desarrollado para apoyar el modelado y simulación de redes neuronales de propósito general es NSL - Lenguaje de Simulación Neuronal.

 

Redes Neuronales de Nivel Múltiple

Un tema de investigación actual es la extensión de grandes redes neuronales y sistemas de comportamientos para incluir modelado de neuronas más detalladas. Esta extensión se enfoca en la integración de NSL con herramientas para el modelado sub-neuronal, como GENESIS (Wilson and Bower 1989) y NEURON (Hines 1994). Este trabajo es parte del proyecto de investigación titulado Modelado de Nivel Múltiple en Redes Neuronales: Un Enfoque Computational y Experimental, el cual involucra la integración de ASL y NSL, además de ligarse con sistemas de bases de datos neurobiológicas.

itam