330 likes | 503 Views
TIEMPOS DE DISPARO Y ACOPLES SINÁPTICOS EN NEURONAS HODGKIN-HUXLEY Y NEURONAS DE DISPARO. Proyecto para optar por el Grado de Físico Juan Pablo Calderón Director: Carlos Arturo Avila Ph. D. ¿P or qu é estudiar las neuronas?.
E N D
TIEMPOS DE DISPARO Y ACOPLES SINÁPTICOS EN NEURONAS HODGKIN-HUXLEY Y NEURONAS DE DISPARO. Proyecto para optar por el Grado de Físico Juan Pablo Calderón Director: Carlos Arturo Avila Ph. D
¿Porqué estudiar las neuronas? • Son responsables de codificar las características de los estímulos. • Para entender sistemas como el visual, auditivo, etc. • Desarrollar nuevas tecnologías basadas en este sistema biológico. • Lograr compatibilidad entre un sistema biológico y uno eléctrico o mecánico.
Intervalo entre disparos Experimentos muestran que la información esta codificada en estos intervalos entre los picos de disparo. No se sabe si lo relevante es el promedio de los intervalos o los detalles en la secuencia de estos intervalos
Visión • Visión humana clasifica patrones en 150 mseg. • Se llevan a cabo 10 niveles sinápticos entre la retina y el cerebro temporal. • Frecuencia de disparo del ojo < 100 Hz que implica solo 2 disparos por neurona. • Insuficiente para buscar un promedio.
Modelos de Neuronas • Potencial de acción en un axon de calamar gigante, Hodgkin & Huxley 1952. • Modelo de Disparo. • Modelo de FigzHugh-Nagumo.
Modulación Temporal Modulación de los intervalos entre disparos. • Constante • Periódica • Senoidal • Caótica
Memoria Asociativa con Acoples Sínápticos retrazados en el tiempo. Modelo de Hopfield • La Variable dinámica son los tiempos de disparo. • Patrones se almacenan en los Acoples sinápticos (pesos de la red).
MEMORIA ASOCIATIVA Asocia la entrada de la red a uno de los patrones previamente almacenados en los pesos sinápticos.
CONCLUSIONES • Neuronas Hodgkin-Huxley tienen un comportamiento caótico muy díficil de reproducir con una neurona de disparo. • Neurona de disparo es capaz de reproducir entradas periódicas pero se debe ajustar a cada entrada de corriente. • La cantidad de memoria depende del número de Neuronas de la red y de la complejidad de los patrones almacenados. • Existe cierta tolerancia a ruido para recuperar un patrón almacenado.