۲۲۶۶۱پ
per
آثار پلاستیسیته بر روی رفتار شبکه ها ی نورون با استفاده از مدل هاجکین-هاکسل
he effects of plasticity on neural network behavior with Hodgkin-Huxley model
/معصومه آستانه‌ئی
: فیزیک
، ۱۳۹۸
، میرزائی
۸۶ص
چاپی - الکترونیکی
کارشناسی ارشد
فیزیک، گرایش نظری
۱۳۹۸/۱۱/۲۰
تبریز
مدل هاج‌ین‌هاکسل ی از شاه‌ارهای حوزه بیوفیزی است که م تواند سی‌نال رسان عصبی را توسط پتانسیل عمل در سلول عصبی تبیین و شبیه سازی آن را برای ما فراهم سازد .همچنین این مدل به ما این ام‌ان را م دهد که مدولاسیون را با پدیده پتانسیل عمل در شب‌ه عصبی انجام دهیم .در این مطالعه، ما از م‌انیسم اصل یادگیری در مغز بیولوژی الهام م گیریم که آن انعطاف پذیری سیناپس است .سپس ما ی کنترل عصبی با انعطاف پذیری سیناپس برای شب‌ه عصبی معرف کرده ایم .کنترل عصبی مبتن بر ی شب‌ه متقابل دو نورون است .انعطاف پذیری سیناپس شب‌ه با ی رابطه و قانون یادگیری مبتن بر همبستگ با مقیاس گذاری سیناپس انجام م شود .با این کار، توانستیم به طور موثری از تغییر دینامی عصبی در شب‌ه برای تولید ال‌وهای مختلف پتانسیل عمل بهره ببریم .همچنین ما نشان م دهیم که قابلیت انعطاف پذیری، دقیقا مانند وزن اتصال م تواند در مدل نورون بهینه شود .به وضوح دیده شد که انعطاف پذیری سیناپس ی قابلیت مهم برایسوار کردن اطلاعات روی پارامتر وزن برای مدولاسیون کردن در شب‌ه عصبی به حساب م آید .ی از کاربردهای مهم این کار، شناسایی بیماری های عصبی و اصلاح آن ها با استفاده از تحلیل شب‌ه عصبی است .شواهد اخیر نشان م دهد که مورفولوژی و تراکم خار دندریتی در طول انعطاف پذیری سیناپس تنظیم م شود .در این کار، همچنین ما با ترکیب ی مدل برای تراکم خار دندریت وابسته به فعالیت، مطالعات مدل سازی قبل را گسترش دادیم .این مدل بر اساس معادله هاج‌ین‌هاکسل تعمیم یافته بدون بعد استاندارد ساخته شده است که نشان دهنده تغییر پتانسیل غشای در ی دندریت منفعل است .معادلات تعمیم یافته ی مدل ما تغییر در تراکم خار دندریت در طول دندریت، معادله تعادل فعل برای ی سر خار دندریت، تغییر در غلظت کلسیم در خار دندریت و پویایی مقاومت ساقه خار دندریت را مشخص م کند .ما برای بررس تغییرات در تراکم خار دندریت و ساختار آن، ورودی متفاوت سیناپس و بررس اثرات این تغییرات بر خصوصیات ورودی‌خروج شاخه دندریتی از مطالعات محاسبات استفاده کردیم .مقادیر متوسط فعال سازی سیناپس با فرکانس بالا بر روی خارهای دندریتی منجر به افزایش مقاومت ساقه خار دندریت م شود که با کشیدگ ساقه آن در ارتباط است .علاوه بر این، چ‌ال خارها هم در داخل و هم در خارج از ناحیه ورودی افزایش م یابد .این مدل به گونه ای تدوین شده است که این محرک بلند مدت تقویت کننده در نهایت منجر به پایداری ساختاری م شود .در مقابل، ی ال‌وی تحری فرکانس پایین طولان که به طور معمول باعث افسردگ طولان مدت و همچنین بروز آلزایمر م شود، منجر به کاهش مقاومت در برابر ساقه( در ارتباط با کوتاه شدن ساقه) و کاهش نهایی در تراکم خار دندریت م شود
The Hodgkin-Huxley model is one of the masterpieces of the biophysics that can explain and simulate the neural signaling phenomenon by the action potential in the neuron. It also able us to modulation of signals by the acyion potential at the neural network. In this study, we take inspiration from the main mechanism of learning in biological brains: synaptic plasticity. Then we propose a control with synaptic plasticity for adaptive obstacle avoidance. The neural control is based on a two-neuron recurrent network. Synaptic plasticity of the network is done by an online correlation-based learning rule with synaptic scaling. By doing so, we can eectively exploit changing neural dynamics in the network to generate different pattern of action potential. Also, we show that plasticity, just like connection weights, can be optimized. It was clearly seen that plasticity of synaptic is an important capability to mount information on the weight parameter for modulation in the neural network. One important application of this work is to identify and correct neurodegenerative diseases using neural network analysis. Recent evidence indicates that the morphology and density of dendritic spines are regulated during synaptic plasticity. In this work, also we extend previous modeling by combining a model for activity-dependent spine density with one for calcium-mediated spine stem restructuring. The model is based on the standard dimensionless HH equation, which represents the change in the membrane potential in a passive dendrite. Additional equations characterize the change in spine density along the dendrite, the current balance equation for an individual spine head, the change in calcium concentration in the spine head, and the dynamics of spine stem resistance. We use computational studies to investigate the changes in spine density and structure for diering synaptic inputs and demonstrate the eects of these changes on the input-output properties of the dendritic branch. Moderate amounts of high-frequency synaptic activation to dendritic spines result in an increase in spine stem resistance that is correlated with spine stem elongation. In addition, the spine density increases both inside and outside the input region. The model is formulated so that this long-term potentiation-inducing stimulus eventually leads to structural stability. In contrast, a prolonged low-frequency stimulation paradigm that would typically induce long-term depression amd Alzheimers disease results in a decrease in stem resistance (correlated with stem shortening) and an eventual decrease in spine density
he effects of plasticity on neural network behavior with Hodgkin-Huxley model
آستانه‌ئی، معصومه
Astaneii, Masome
سیاه و سفید
نمایه‌سازی قبلی
