| http://dbpedia.org/ontology/abstract
|
Моде́ль биологи́ческого нейро́на — математ … Моде́ль биологи́ческого нейро́на — математическое описание свойств нейронов, целью которого является точное моделирование процессов, протекающих в таких нервных клетках. В отличие от подобного точного моделирования, при создании сетей из искусственных нейронов обычно преследуются цели повышения эффективности вычислений.я цели повышения эффективности вычислений.
, Modelos de disparos neuronais são modelos … Modelos de disparos neuronais são modelos matemáticos que descrevem os padrões com os quais potenciais de ação são iniciados e propagados nos neurônios. Tais modelos compreendem descrições matemáticas das propriedades de células no sistema nervoso que possuem potenciais elétricos e, grosso modo, trata-se de descrições em linguagem matemática da comunicação entre os neurônios. Esses modelos são utilizados nos estudos da dinâmica de redes neurais e fundamentam a neurociência computacional e a neuromatemática. Variados modelos são utilizados em pesquisas de neurociência, com diversas implicações no modo como as redes neurais são descritas e simuladas. A quantidade de modelos de disparos neuronais é alta. Essa situação está em parte associada a características de diferentes experimentos neurocientíficos. De modo geral, pode-se distinguir duas grandes famílias de modelos: os determinísticos e os escolásticos. Abaixo, um panorama é feito de alguns desses modelos.panorama é feito de alguns desses modelos.
, Els models de neurones biològiques, també … Els models de neurones biològiques, també coneguts com a models de neurones d'espiga, són descripcions matemàtiques de les propietats de certes cèl·lules del sistema nerviós que generen potencials elèctrics aguts a través de la seva membrana cel·lular, d'aproximadament un mil·lisegon de durada, anomenats potencials d'acció o pics. Fig. 2). Atès que els pics es transmeten al llarg de l' axó i les sinapsis des de la neurona emissora a moltes altres neurones, es considera que les neurones d'espiga són una unitat important de processament d'informació del sistema nerviós. Els models de neurones d'espiga es poden dividir en diferents categories: els models matemàtics més detallats són els models de neurones biofísiques (també anomenats models Hodgkin-Huxley) que descriuen la tensió de la membrana en funció del corrent d'entrada i de l'activació dels canals iònics. Matemàticament més senzills són els models "integrate-and-fire" que descriuen la tensió de la membrana en funció del corrent d'entrada i prediuen els temps de pic sense una descripció dels processos biofísics que configuren el curs temporal d'un potencial d'acció. Fins i tot models més abstractes només prediuen pics de sortida (però no la tensió de membrana) en funció de l'estimulació on l'estimulació es pot produir mitjançant l'entrada sensorial o farmacològicament. Aquest article ofereix una breu visió general dels diferents models i enllaços de neurones d'espiga, sempre que sigui possible, amb fenòmens experimentals. Inclou models deterministes i probabilistes.clou models deterministes i probabilistes.
, Моде́ль біологі́чного нейро́на — математич … Моде́ль біологі́чного нейро́на — математичний опис властивостей нервових клітин, або нейронів, яка створена для того, щоб якомога точно передати і передбачити поведінку біологічних процесів. Це відрізняє дані моделі від штучного нейрона, який застосовується в задачах де ефективність обчислення має більш важливе значення.сть обчислення має більш важливе значення.
, Biological neuron models, also known as a … Biological neuron models, also known as a spiking neuron models, are mathematical descriptions of the properties of certain cells in the nervous system that generate sharp electrical potentials across their cell membrane, roughly one millisecond in duration, called action potentials or spikes (Fig. 2). Since spikes are transmitted along the axon and synapses from the sending neuron to many other neurons, spiking neurons are considered to be a major information processing unit of the nervous system. Spiking neuron models can be divided into different categories: the most detailed mathematical models are biophysical neuron models (also called Hodgkin-Huxley models) that describe the membrane voltage as a function of the input current and the activation of ion channels. Mathematically simpler are integrate-and-fire models that describe the membrane voltage as a function of the input current and predict the spike times without a description of the biophysical processes that shape the time course of an action potential. Even more abstract models only predict output spikes (but not membrane voltage) as a function of the stimulation where the stimulation can occur through sensory input or pharmacologically. This article provides a short overview of different spiking neuron models and links, whenever possible to experimental phenomena. It includes deterministic and probabilistic models.es deterministic and probabilistic models.
, Ein Neuronenmodell ist ein mathematisches … Ein Neuronenmodell ist ein mathematisches Modell einer Nervenzelle (eines Neurons), das die zeitliche Änderung des Membranpotentials oder einer anderen Kenngröße der Zelle beschreibt. Dazu werden meist Differentialgleichungen eingesetzt. Biophysikalische Grundlage einer solchen Beschreibung ist die Tatsache, dass sich die Spannung, die eine Nervenzelle gegenüber ihrer Umgebung aufweist, durch Ströme von geladenen Teilchen durch so genannte Ionenkanäle dynamisch verändert, und dass diese physikalischen Vorgänge durch die Theorie der Elektrizitätslehre beschrieben werden können. Kanäle, die selbst eine Dynamik aufweisen, also zum Beispiel spannungsabhängig sind, können über eigene Gleichungen beschrieben werden, die das stochastische Öffnen und Schließen des Kanals abbilden. Zusammen bilden die Gleichungen, die das Verhalten der Nervenzelle beschreiben, ein dynamisches System, das sich insbesondere durch nichtlineare Gleichungen auszeichnet. Diese Nichtlinearitäten können viele der komplexen Verhaltensweisen von Nervenzellen erklären, zum Beispiel den sprunghaften Anstieg des Membranpotentials bei einem Aktionspotential.branpotentials bei einem Aktionspotential.
, Les modèles de neurones biologiques, égale … Les modèles de neurones biologiques, également connus sous le nom de modèles de neurones à impulsion, sont des descriptions mathématiques des propriétés des neurones, un type de cellules du système nerveux qui génèrent des potentiels électriques d'une durée d'environ une milliseconde à travers leur membrane cellulaire. Ces potentiels électriques sont appelés potentiels d'action, pics ou impulsions (Figure 2). Les impulsions circulent le long de l'axone jusqu'aux synapses du neurone émetteur et sont transmises à de nombreux autres neurones. Les neurones à impulsions décrivant un des aspects majeur du système nerveux, ils sont considérés comme une unité fondamentale de traitement de l'information du système nerveux. Les différents modèles de neurones à impulsions peuvent être divisés en différentes catégories : les modèles mathématiques les plus détaillés sont les modèles de neurones biophysiques (également appelés modèles de Hodgkin-Huxley) qui décrivent la tension membranaire en fonction du courant d'entrée et de l'activation des différents canaux ioniques. Plus simple mathématiquement, les modèles d'intégration-et-tir décrivent la tension membranaire en fonction du courant d'entrée et prédisent les impulsions sans description des processus biophysiques à l'origine du potentiel d'action. Des modèles encore plus abstraits prédisent uniquement les impulsions de sortie (mais pas la tension membranaire) en fonction de stimulation pouvant provenir d'une entrée sensorielle ou pharmacologique. Cet article fournit un bref aperçu des différents modèles de neurones à impulsions et, dans la mesure du possible, des liens avec les phénomènes décrits. Les modèles présentés peuvent être aussi bien déterministes que probabilistes.ussi bien déterministes que probabilistes.
, نموذج العصبون البيولوجي، يعرف أيضًا باسم ن … نموذج العصبون البيولوجي، يعرف أيضًا باسم نموذج العصبون الحسكي (بالإنجليزية: Spike) «تصاعد على شكل حسكي»، هو توصيف رياضي لخصائص خلايا معينة في الجهاز العصبي التي تولد كمونات عمل كهربائية حادة عبر غشاء الخلية، في مدة ميللي ثانية واحدة تقريبًا، كما هو موضح في الشكل رقم 1. تعرف العصبونات الحسكية على أنها وحدات تأشير رئيسية للجهاز العصبي، ولهذا السبب تمثل عملياتها أهمية كبرى. من الجدير بالذكر عدم إنتاج كافة الخلايا في الجهاز العصبي لهذا النوع من الحسكات التي تحدد نطاق نماذج العصبونات الحسكية. على سبيل المثال، لا تنتج الخلايا المشعرة القوقعية، وخلايا المستقبلات الشبكية، والخلايا الشبكية ثنائية القطب، الحسكات. إضافةً لعدم تصنيف العديد من خلايا الجهاز العصبي على أنها عصبونات، وإنما تُصنف على أنها دبق عصبي. بشكل أساسي، تهدف نماذج العصبونات لشرح الآليات الكامنة خلف عملية الجهاز العصبي بهدف استعادة قدرات التحكم المفقودة مثل الإدراك (مثلًا الصمم أو العمى)، واتخاذ القرارات المحركة للحركات، والتحكم الطرفي المستمر. وبالنسبة لذلك، تتميز نماذج العصبونات البيولوجية عن نماذج العصبونات الاصطناعية أنها لا تفترض توقع مخرجات التجارب التي يشترك بها النسيج العصبي البيولوجي (بالإضافة لاهتمام نماذج العصبونات الاصطناعية بتنفيذ الإدراك والمهام التقديرية). وفقًا لذلك، تعتبر الصلاحية التجريبية الجانب الهام من نماذج العصبونات البيولوجية، بالإضافة لاستخدام الوحدات الفيزيائية لوصف العمليات التجريبية المشتركة مع نموذج التوقعات. قد تُقسم نماذج العصبونات إلى صنفين وفقًا للوحدات الفيزيائية الخاصة بواجهة النموذج. يمكن تقسيم كل صنف أيضًا وفقًا لمستوى التجريد/التفصيل: 1.
* نماذج مدخلات-مخرجات الغشاء الكهربائية المتعلقة بالجهد الكهربائي-تنتج هذه النماذج توقعات تخص مخرجات الغشاء المتعلقة بالجهد الكهربائي كوظيفة للتنبيه الكهربائي في مرحلة المدخلات (المتعلقة بالجهد الكهربائي أو ذات التيار). تختلف النماذج العديدة في هذا الصنف في علاقاتها الوظيفية بين مدخلات التيار والمخرجات المتعلقة بالجهد الكهربائي وفي مستوى التفاصيل. بعض النماذج في هذا الصنف هي نماذج صندوق أسود، ويمكن تمييزها فقط بين مستويي قياس للجهد الكهربائي: ظهور الحسكة (التي تعرف أيضًا باسم «جهد الفعل») أو حالة السكون. تكون النماذج الأخرى أكثر تفصيلًا وتعود إلى العمليات ما تحت الخلوية. 2.
* نماذج مدخلات العصبونات الدوائية أو الطبيعية-ترتبط النماذج في هذا الصنف بين مدخلات التنبيه التي قد تكون إما دوائية أو طبيعية، من أجل احتمالية حدوث الحسكة. مرحلة مدخلات هذه النماذج ليست كهربائية، وإنما تكون إما دوائية (كيميائية) وحدات التركيز، أو وحدات فيزيائية التي تتجسد بتنبيه خارجي مثل الضوء، أو الصوت، أو أشكال أخرى من الضغط الفيزيائي. إضافةً لذلك، تمثل مرحلة المخرجات احتمالية حدوث الحسكة ولا تكون كهربائية متعلقة بالجهد الكهربائي. نموذجيًا، تُعاير احتمالية هذه المخرجات (مقسمةً بواسطة) الثابت الزمني، وتدعى احتمالية المعايرة الناتجة «معدل الإطلاق» وله واحدة الهرتز. يُظهر التوصيف الاحتمالي من خلال النماذج في هذا الصنف تأثره بالتجارب المخبرية التي تشمل إما تنبيهًا دوائيًا أو طبيعيًا والتي تُظهر تباينًا في نمط الحسكات الناتج. ومع ذلك، عند حساب متوسط النتائج التجريبية من خلال عدة تجارب، يُكتشف نمط واضح غالبًا. على الرغم من أن وجود عدة نماذج توصيفية لمستويات مختلفة من التجريد/التفصيل لا يعتبر اعتياديًا في العلوم والهندسة، يعد عدد نماذج العصبونات البيولوجية المختلفة، وفي بعض الأحيان المتناقضة، استثنائيًا بشكل كبير. هذه الحالة هي جزئيًا نتيجة للعديد من الإعدادات التجريبية المختلفة، والصعوبات في فصل الخواص داخلية المنشأ لعصبون مفرد عن تأثيرات القياسات وتفاعلات العديد من الخلايا (تأثيرات الشبكة). لتسريع التقاء النظرية الموحدة، أدرجنا قائمة لعدة نماذج في كل صنف، أشرنا أيضًا للتجارب الداعمة حيثما أمكن.ف، أشرنا أيضًا للتجارب الداعمة حيثما أمكن.
|
| http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/Neuron3.png?width=300 +
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
https://neuronaldynamics.epfl.ch/online/Ch9.S1.html +
, https://lcnwww.epfl.ch/gerstner/SPNM/SPNM.html +
, https://neuronaldynamics.epfl.ch/index.html +
, https://neuronaldynamics.epfl.ch/online/index.html +
|
| http://dbpedia.org/ontology/wikiPageID
|
14408479
|
| http://dbpedia.org/ontology/wikiPageLength
|
109128
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1112853262
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Glial_cell +
, http://dbpedia.org/resource/Synaptic_plasticity +
, http://dbpedia.org/resource/Cable_equation +
, http://dbpedia.org/resource/Quantitative_models_of_the_action_potential +
, http://dbpedia.org/resource/Canonical_form +
, http://dbpedia.org/resource/Neural_coding +
, http://dbpedia.org/resource/Cochlea +
, http://dbpedia.org/resource/Membrane_potential +
, http://dbpedia.org/resource/Hierarchical_Temporal_Memory +
, http://dbpedia.org/resource/First_passage_time +
, http://dbpedia.org/resource/Sigmoid_function +
, http://dbpedia.org/resource/Transfer_function +
, http://dbpedia.org/resource/Axon +
, http://dbpedia.org/resource/Electric_current +
, http://dbpedia.org/resource/Free_energy_principle +
, http://dbpedia.org/resource/Neuroscience +
, http://dbpedia.org/resource/Nonlinear +
, http://dbpedia.org/resource/Soliton_model +
, http://dbpedia.org/resource/Artificial_neural_network +
, http://dbpedia.org/resource/Homogeneous +
, http://dbpedia.org/resource/Category:Neuroscience +
, http://dbpedia.org/resource/File:Neuron_comparison.png +
, http://dbpedia.org/resource/Dendrites +
, http://dbpedia.org/resource/Retinal_bipolar_cell +
, http://dbpedia.org/resource/On_Intelligence +
, http://dbpedia.org/resource/Hair_cells +
, http://dbpedia.org/resource/File:Spike_HH_2.png +
, http://dbpedia.org/resource/File:Spike_Response_Model_%28schematic%29.jpg +
, http://dbpedia.org/resource/Jeff_Hawkins +
, http://dbpedia.org/resource/Poisson_process +
, http://dbpedia.org/resource/Potassium +
, http://dbpedia.org/resource/File:Firing_rate_improved.png +
, http://dbpedia.org/resource/Synaptic_weight +
, http://dbpedia.org/resource/Ornstein%E2%80%93Uhlenbeck_process +
, http://dbpedia.org/resource/Analysis_of_algorithms +
, http://dbpedia.org/resource/Galves%E2%80%93L%C3%B6cherbach_model +
, http://dbpedia.org/resource/GABAA_receptor +
, http://dbpedia.org/resource/Neuroprosthetics +
, http://dbpedia.org/resource/File:Leaky_Integrate-and-Fire_model_neuron_%28schematic%29.jpg +
, http://dbpedia.org/resource/File:Nerve_model_2wiki.png +
, http://dbpedia.org/resource/File:Spike_Response_Model_with_escape_noise_%28noisy_output%29.jpg +
, http://dbpedia.org/resource/File:Spike_Time_Prediction_with_Generalized_Integrate-and-Fire_model.jpg +
, http://dbpedia.org/resource/Category:Computational_neuroscience +
, http://dbpedia.org/resource/Siemens_%28unit%29 +
, http://dbpedia.org/resource/Refractory_period_%28physiology%29 +
, http://dbpedia.org/resource/Photoreceptor_cell +
, http://dbpedia.org/resource/Renewal_theory +
, http://dbpedia.org/resource/Bayesian_approaches_to_brain_function +
, http://dbpedia.org/resource/Stochasticity +
, http://dbpedia.org/resource/Category:Biophysics +
, http://dbpedia.org/resource/Neocortex +
, http://dbpedia.org/resource/Differential_equations +
, http://dbpedia.org/resource/Louis_Lapicque +
, http://dbpedia.org/resource/Cable_theory +
, http://dbpedia.org/resource/Biological_neural_network +
, http://dbpedia.org/resource/Brain%E2%80%93computer_interface +
, http://dbpedia.org/resource/Capacitor +
, http://dbpedia.org/resource/File:Neural_detector_nossenson_2013.png +
, http://dbpedia.org/resource/Bifurcation_theory +
, http://dbpedia.org/resource/Visual_prosthesis +
, http://dbpedia.org/resource/Squid_giant_axon +
, http://dbpedia.org/resource/AMPA_receptor +
, http://dbpedia.org/resource/Voltage +
, http://dbpedia.org/resource/Phase_plane +
, http://dbpedia.org/resource/Binding_neuron +
, http://dbpedia.org/resource/Exponential_integrate-and-fire +
, http://dbpedia.org/resource/Neurotransmitters +
, http://dbpedia.org/resource/File:Neuron3.png +
, http://dbpedia.org/resource/File:GalvesLocherbach_-_Low_resolution.gif +
, http://dbpedia.org/resource/Models_of_neural_computation +
, http://dbpedia.org/resource/Excitatory_synapse +
, http://dbpedia.org/resource/Numerical_integration +
, http://dbpedia.org/resource/Linear-nonlinear-Poisson_cascade_model +
, http://dbpedia.org/resource/NMDA_receptor +
, http://dbpedia.org/resource/Pyramidal_neurons +
, http://dbpedia.org/resource/Derivative +
, http://dbpedia.org/resource/Spike_response_model +
, http://dbpedia.org/resource/Capacitance +
, http://dbpedia.org/resource/Neuron +
, http://dbpedia.org/resource/Activation_function +
, http://dbpedia.org/resource/Ion_channels +
, http://dbpedia.org/resource/Chlorine +
, http://dbpedia.org/resource/Synapse +
, http://dbpedia.org/resource/Theta_model +
, http://dbpedia.org/resource/Spiking_neural_network +
, http://dbpedia.org/resource/GABAB_receptor +
, http://dbpedia.org/resource/Inhibitory_synapse +
, http://dbpedia.org/resource/Neural_oscillation +
, http://dbpedia.org/resource/Voltage_spike +
, http://dbpedia.org/resource/Action_potential +
, http://dbpedia.org/resource/File:Initial_bursting_AdEx_model.png +
, http://dbpedia.org/resource/Electrical_conductance +
, http://dbpedia.org/resource/Dirac_delta_function +
, http://dbpedia.org/resource/Nervous_system +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:See_also +
, http://dbpedia.org/resource/Template:NumBlk +
, http://dbpedia.org/resource/Template:Main_articles +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:= +
, http://dbpedia.org/resource/Template:Center +
, http://dbpedia.org/resource/Template:Math +
, http://dbpedia.org/resource/Template:Main +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Anchor +
, http://dbpedia.org/resource/Template:EquationRef +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Neuroscience +
, http://dbpedia.org/resource/Category:Biophysics +
, http://dbpedia.org/resource/Category:Computational_neuroscience +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Description +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Biological_neuron_model?oldid=1112853262&ns=0 +
|
| http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/Spike_Response_Model_%28schematic%29.jpg +
, http://commons.wikimedia.org/wiki/Special:FilePath/Spike_Response_Model_with_escape_noise_%28noisy_output%29.jpg +
, http://commons.wikimedia.org/wiki/Special:FilePath/Spike_HH_2.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Leaky_Integrate-and-Fire_model_neuron_%28schematic%29.jpg +
, http://commons.wikimedia.org/wiki/Special:FilePath/Spike_Time_Prediction_with_Generalized_Integrate-and-Fire_model.jpg +
, http://commons.wikimedia.org/wiki/Special:FilePath/GalvesLocherbach_-_Low_resolution.gif +
, http://commons.wikimedia.org/wiki/Special:FilePath/Neural_detector_nossenson_2013.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Firing_rate_improved.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Neuron3.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Neuron_comparison.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Initial_bursting_AdEx_model.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Nerve_model_2wiki.png +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Biological_neuron_model +
|
| owl:sameAs |
http://ru.dbpedia.org/resource/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%B1%D0%B8%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%B0 +
, http://rdf.freebase.com/ns/m.03d2ly4 +
, http://dbpedia.org/resource/Biological_neuron_model +
, http://pt.dbpedia.org/resource/Modelos_de_disparos_neuronais +
, http://www.wikidata.org/entity/Q1651163 +
, http://uk.dbpedia.org/resource/%D0%9C%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C_%D0%B1%D1%96%D0%BE%D0%BB%D0%BE%D0%B3%D1%96%D1%87%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%B0 +
, http://fa.dbpedia.org/resource/%D9%85%D8%AF%D9%84_%D9%86%D9%88%D8%B1%D9%88%D9%86_%D8%A8%DB%8C%D9%88%D9%84%D9%88%DA%98%DB%8C%DA%A9 +
, http://ca.dbpedia.org/resource/Model_de_neurona_biol%C3%B2gica +
, http://de.dbpedia.org/resource/Neuronenmodell +
, https://global.dbpedia.org/id/cwoj +
, http://fr.dbpedia.org/resource/Mod%C3%A8les_du_neurone_biologique +
, http://ar.dbpedia.org/resource/%D9%86%D9%85%D9%88%D8%B0%D8%AC_%D8%A7%D9%84%D8%B9%D8%B5%D8%A8%D9%88%D9%86_%D8%A7%D9%84%D8%A8%D9%8A%D9%88%D9%84%D9%88%D8%AC%D9%8A +
|
| rdf:type |
http://dbpedia.org/class/yago/Abstraction100002137 +
, http://dbpedia.org/class/yago/WikicatDynamicalSystems +
, http://dbpedia.org/class/yago/PhaseSpace100029114 +
, http://dbpedia.org/class/yago/DynamicalSystem106246361 +
, http://dbpedia.org/class/yago/Attribute100024264 +
, http://dbpedia.org/ontology/Stadium +
, http://dbpedia.org/class/yago/Space100028651 +
|
| rdfs:comment |
Modelos de disparos neuronais são modelos … Modelos de disparos neuronais são modelos matemáticos que descrevem os padrões com os quais potenciais de ação são iniciados e propagados nos neurônios. Tais modelos compreendem descrições matemáticas das propriedades de células no sistema nervoso que possuem potenciais elétricos e, grosso modo, trata-se de descrições em linguagem matemática da comunicação entre os neurônios. Esses modelos são utilizados nos estudos da dinâmica de redes neurais e fundamentam a neurociência computacional e a neuromatemática. Variados modelos são utilizados em pesquisas de neurociência, com diversas implicações no modo como as redes neurais são descritas e simuladas.s redes neurais são descritas e simuladas.
, Моде́ль биологи́ческого нейро́на — математ … Моде́ль биологи́ческого нейро́на — математическое описание свойств нейронов, целью которого является точное моделирование процессов, протекающих в таких нервных клетках. В отличие от подобного точного моделирования, при создании сетей из искусственных нейронов обычно преследуются цели повышения эффективности вычислений.я цели повышения эффективности вычислений.
, Ein Neuronenmodell ist ein mathematisches … Ein Neuronenmodell ist ein mathematisches Modell einer Nervenzelle (eines Neurons), das die zeitliche Änderung des Membranpotentials oder einer anderen Kenngröße der Zelle beschreibt. Dazu werden meist Differentialgleichungen eingesetzt. Biophysikalische Grundlage einer solchen Beschreibung ist die Tatsache, dass sich die Spannung, die eine Nervenzelle gegenüber ihrer Umgebung aufweist, durch Ströme von geladenen Teilchen durch so genannte Ionenkanäle dynamisch verändert, und dass diese physikalischen Vorgänge durch die Theorie der Elektrizitätslehre beschrieben werden können. Kanäle, die selbst eine Dynamik aufweisen, also zum Beispiel spannungsabhängig sind, können über eigene Gleichungen beschrieben werden, die das stochastische Öffnen und Schließen des Kanals abbilden. Öffnen und Schließen des Kanals abbilden.
, Моде́ль біологі́чного нейро́на — математич … Моде́ль біологі́чного нейро́на — математичний опис властивостей нервових клітин, або нейронів, яка створена для того, щоб якомога точно передати і передбачити поведінку біологічних процесів. Це відрізняє дані моделі від штучного нейрона, який застосовується в задачах де ефективність обчислення має більш важливе значення.сть обчислення має більш важливе значення.
, Biological neuron models, also known as a … Biological neuron models, also known as a spiking neuron models, are mathematical descriptions of the properties of certain cells in the nervous system that generate sharp electrical potentials across their cell membrane, roughly one millisecond in duration, called action potentials or spikes (Fig. 2). Since spikes are transmitted along the axon and synapses from the sending neuron to many other neurons, spiking neurons are considered to be a major information processing unit of the nervous system. Spiking neuron models can be divided into different categories: the most detailed mathematical models are biophysical neuron models (also called Hodgkin-Huxley models) that describe the membrane voltage as a function of the input current and the activation of ion channels. Mathematically simpleron of ion channels. Mathematically simpler
, نموذج العصبون البيولوجي، يعرف أيضًا باسم ن … نموذج العصبون البيولوجي، يعرف أيضًا باسم نموذج العصبون الحسكي (بالإنجليزية: Spike) «تصاعد على شكل حسكي»، هو توصيف رياضي لخصائص خلايا معينة في الجهاز العصبي التي تولد كمونات عمل كهربائية حادة عبر غشاء الخلية، في مدة ميللي ثانية واحدة تقريبًا، كما هو موضح في الشكل رقم 1. تعرف العصبونات الحسكية على أنها وحدات تأشير رئيسية للجهاز العصبي، ولهذا السبب تمثل عملياتها أهمية كبرى. من الجدير بالذكر عدم إنتاج كافة الخلايا في الجهاز العصبي لهذا النوع من الحسكات التي تحدد نطاق نماذج العصبونات الحسكية. على سبيل المثال، لا تنتج الخلايا المشعرة القوقعية، وخلايا المستقبلات الشبكية، والخلايا الشبكية ثنائية القطب، الحسكات. إضافةً لعدم تصنيف العديد من خلايا الجهاز العصبي على أنها عصبونات، وإنما تُصنف على أنها دبق عصبي.ها عصبونات، وإنما تُصنف على أنها دبق عصبي.
, Les modèles de neurones biologiques, égale … Les modèles de neurones biologiques, également connus sous le nom de modèles de neurones à impulsion, sont des descriptions mathématiques des propriétés des neurones, un type de cellules du système nerveux qui génèrent des potentiels électriques d'une durée d'environ une milliseconde à travers leur membrane cellulaire. Ces potentiels électriques sont appelés potentiels d'action, pics ou impulsions (Figure 2). Les impulsions circulent le long de l'axone jusqu'aux synapses du neurone émetteur et sont transmises à de nombreux autres neurones. Les neurones à impulsions décrivant un des aspects majeur du système nerveux, ils sont considérés comme une unité fondamentale de traitement de l'information du système nerveux.ement de l'information du système nerveux.
|
| rdfs:label |
نموذج العصبون البيولوجي
, Model de neurona biològica
, Neuronenmodell
, Modelos de disparos neuronais
, Modèles du neurone biologique
, Модель биологического нейрона
, Модель біологічного нейрона
, Biological neuron model
|
| rdfs:seeAlso |
http://dbpedia.org/resource/Multi-compartment_model +
, http://dbpedia.org/resource/Cable_theory +
, http://dbpedia.org/resource/Neurotransmission +
|
