• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.59.2019.tde-20092019-142746
Document
Author
Full name
Vinicius Lima Cordeiro
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
Ribeirão Preto, 2019
Supervisor
Committee
Silva Filho, Antonio Carlos Roque da (President)
Costa, Ariadne de Andrade
Stolfi, Jorge
Tinós, Renato
Title in Portuguese
Modelos de redes neurais com neurônios estocásticos e diferentes topologias: construção e análise
Keywords in Portuguese
Córtex cerebral
Modelo estocástico
Redes complexas
Ressonância
Ressonância estocástica
Ruído de canal
Abstract in Portuguese
O sistema nervoso é submetido a diversas fontes de ruído. Em geral essas fontes se classificam em endógenas e exógenas. O ruído sináptico e o ruído de canais iônicos são as principais fontes de ruído endógeno. O ruído exógeno pode ser atribuído à variabilidade advinda de estímulos externos. O sistema nervoso é munido de estratégias para lidar com a presença do ruído, contudo muito é discutido acerca do papel do ruído no processamento neuronal. Em modelos matemáticos de neurônios, há ao menos duas maneiras de introduzir as fontes de ruído endógenas: uma delas é considerar um modelo determinístico e adicionar termos estocásticos às entradas iônicas ou sinápticas recebidas pelo neurônio, a outra é assumir que o disparo de um neurônio é um evento intrinsecamente aleatório. É possível modelar o último caso por meio de um limiar de disparo que flutua aleatoriamente, onde a ocorrência de um potencial de ação é definido por uma função de probabilidade de disparo dependente da voltagem. Na presente dissertação, utilizamos um modelo intrinsecamente aleatório com o objetivo de determinar as influências que o seu ruído possui em fenômenos a nível celular e de rede. Para isso, primeiro propomos um método para estimar as curvas de probabilidade de disparo de neurônios a partir de registros eletrofisiológicos. Em seguida, utilizamos essas curvas no modelo estocástico para estudar o efeito do ruído intrínseco em fenômenos neurais de importância destacada como confiabilidade nos tempos de disparo e ressonância estocástica. Terminamos a dissertação com o estudo do efeito da topologia sobre a estocasticidade intrínseca dos neurônios individuais em redes complexas de maior porte. Estudamos as topologias com conectividade aleatória e com conectividade específica de uma microcircuitaria cortical. Utilizando uma série temporal do potencial de membrana de ratos, derivamos a curva de probabilidade de disparo utilizada no modelo estocástico, mostrando que para os dados utilizados ela possui uma forma exponencial como observado na literatura. Dentre os resultados obtidos pode-se observar a existência de ressonância estocástica devido ao ruído intrínseco do neurônio e a reprodutibilidade do fenômeno de aumento na confiabilidade nos tempos de disparo em função do ruído sináptico inserido no neurônio. Por fim, os estudos em redes mostraram que a influência causada pelo neurônio estocástico é dependente do estado dinâmico e topologia da rede, surtindo menos efeito em redes aleatórias assíncronas e regulares
Title in English
Models of neural networks with stochastic neurons and different topologies: construction and analysis.
Keywords in English
Cerebral cortex
Channel noise
Complex networks
Stochastic model
Stochastic resonance
Abstract in English
The nervous system is submitted to several sources of noise. In general, those sources can be classified as endogenous and exogenous. Synaptic noise and ionic channel noise are the main endogenous sources of noise. The exogenous noise can be assigned to the variability existent in external stimuli. The nervous system has strategies to deal with the presence of noise, however, it has been discussed the role of noise in neuronal processing. There are at least two ways of introducing endogenous noise sources in mathematical neuron models: the first is to consider a deterministic model and add stochastic terms to the ionic or synaptic inputs received by the neuron, the second is to assume that the emission of an action potential is an intrinsically stochastic event. It is possible to model the latter by introducing a random fluctuating spike threshold, where the occurrence of an action potential is defined by means of a voltage-dependent spike probability function. In this dissertation, we have used an intrinsically stochastic neuron model, aiming to determine the influences of its noise on cellular and network scales. To do so, first, we propose a method to estimate the spike probability curves from eletrophysiological data. Then, we use those curves in the stochastic model to study the effect of the intrinsic noise on relevant natural phenomena as the spiking time reliability and stochastic resonance. We finish the dissertation studying the effect of different network topologies on the intrinsic stochasticity of individual neurons. We study topologies with random connectivity and specific connectivity of a cortical microcircuit. Using a time series of membrane potential we have estimated the spiking probability curve used in the stochastic model, showing that it has an exponential shape as observed in the literature. Among the results obtained, it can be observed the existence of stochastic resonance caused by the neurons intrinsic noise, and the reproducibility of the increasing spiking time reliability due to input synaptic noise into the neuron. Finally, studies of the network show that the influence caused by the stochastic neuron is dependent on the networks dynamical state and topology, with weaker effects on asynchronous and regular random networks
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
versa_corrigida.pdf (7.42 Mbytes)
Publishing Date
2019-12-17
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2020. All rights reserved.