Um circuito neural canônico com inibição feedback e feedforward

• Ano de defesa: 2018
• Autor(a) principal: Teixeira, Daniel Garcia
• Orientador(a): Costa, César Renno
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM BIOINFORMÁTICA
• País: Brasil
• Palavras-chave em Português: Modelagem computacional; Oscilação Gama; Neurônio; Inibição; Feedforward
• Área do conhecimento CNPq: CNPQ::CIENCIAS BIOLOGICAS: BIOINFORMÁTICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/25203

A oscilação gama está presente em diversas áreas do cérebro, como no hipocampo, desempenhando um importante mecanismo para o funcionamento da memória. Encontramos diversos modelos capazes de explicar a geração das oscilações gama e explicam suas duas funcionalidades, agrupamento sincronizado temporalmente das sinapses dos neurônios e a de selecionar quais neurônios devem disparar em cada ciclo deste sincronismo. Funcionalidades estas que imprimem um caráter computacional do processamento neural a este sistema, como a separação de padrões e a formação de assembleias neurais. Porém, a análise destes modelos existentes demonstra ser muito sensível às variações das atividades cerebrais, sendo fortemente afetados por variações nas suas camadas de entrada, de modo a aparentar não possuir uma boa robustez, gerando muita variação de sua frequência de saída, assim como na competitividade entre estes neurônios. Entretanto, ao se considerar uma importante parte do circuito biológico não considerada em trabalhos anteriores, uma rede de inibição alimentada à frente nos possibilitou a criação de um novo modelo. Baseando-nos no modelo de neurônio de Izhikevich, geramos um novo modelo com uma maior estabilidade em sua saída às variações na camada de entrada, bem como um custo computacional reduzido e proximidade do modelo biológico. Em posse deste novo modelo, será possível criar redes neurais com maior capacidade de neurônios, com custo computacional reduzido, além da possibilidade de análise do comportamento individual em cada neurônio do modelo.