Modelos computacionais do cérebro baseados em populações neurodinâmicas no nível mesoscópico

• Processo: 12/09268-3
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Vigência (Início): 01 de fevereiro de 2013
• Vigência (Término): 15 de outubro de 2013
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: João Luís Garcia Rosa
• Beneficiário: João Luís Garcia Rosa
• Pesquisador Anfitrião: Robert Kozma
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Local de pesquisa: University of Memphis (U of M), Estados Unidos
• Assunto(s): Neurociências Neurônios Eletroencefalografia Redes neurais (computação) Rede nervosa
• Palavra(s)-Chave do Pesquisador: a) neurodinâmica computacional | b) modelos do cérebro | c) Redes neurais | d) Populações de neurônios | e) Eletroencefalograma (EEG) | f) interfaces cérebro-computador | Neurociência Computacional

Resumo

Modelos de redes neurais atuais estão muito aquém da fisiologia do neurônio do cortex cerebral. Modelos do cérebro baseados em neurodinâmica consideram neurônios sistemas dinâmicos. E como tais, buscam compreender e representar as razões pelas quais os neurônios são células excitáveis. A corrente microscópica de cada neurônio soma com as correntes de outros neurônios, o que provoca uma diferença de potencial macroscópica, medida com o electroencefalograma (EEG). O EEG registra os padrões de atividade de populações de neurônios mesoscópicas. Um bom modelo neural deve reproduzir a dinâmica dos neurônios: nessa abordagem, o processamento de informação depende não apenas das propriedades eletrofisiológicas dos neurônios, mas também de suas propriedades dinâmicas. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

GARCIA ROSA, JOAO LUIS; PIAZENTIN, DENIS R. M.. A new cognitive filtering approach based on Freeman K3 Neural Networks. APPLIED INTELLIGENCE, v. 45, n. 2, p. 363-382, SEP 2016. (12/15178-7, 12/09268-3)