Busca avançada
Ano de início
Entree
Conteúdo relacionado

O papel da corrente sináptica na sincronização de redes neuronais

Processo: 21/09839-0
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Data de Início da vigência: 01 de abril de 2022
Data de Término da vigência: 31 de março de 2026
Área de conhecimento:Engenharias - Engenharia Elétrica - Eletrônica Industrial, Sistemas e Controles Eletrônicos
Pesquisador responsável:Elbert Einstein Nehrer Macau
Beneficiário:Bruno Rafael Reichert Boaretto
Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
Vinculado ao auxílio:18/03211-6 - Dinâmica não linear, AP.TEM
Bolsa(s) vinculada(s):23/16273-8 - Investigando padrões emergentes de sincronização e processamento de informações de redes neurais usando análise de dados, BE.EP.PD
Assunto(s):Sincronização   Sistemas não lineares   Rede nervosa   Modelo de Hodgkin-Huxley   Transmissão sináptica   Neurônios
Palavra(s)-Chave do Pesquisador:Caos | Hodkin-Huxley | modelos de neurônios | Redes Complexas | sincronização | Sistemas Complexos | Sincronização em sistemas não lineares

Resumo

Este projeto de pós-doutorado visa estudar relações causais entre propriedades matemáticas da corrente sinápica e o processo de sincronização de fase em redes de neurônios acoplados. O modelo de neurônio utilizado é derivado do modelo de Hodgkin-Huxley. O estudo é feito para condições em que os neurônios apresentam um alto grau de sincronização de fase em regimes de acoplamento fraco. O objetivo desta proposta é avaliar como as interações mútuas entre os neurônios, levam o sistema para estados futuros de sincronização. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (8)
(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)
BOARETTO, BRUNO R. R.; MACAU, ELBERT E. N.; MASOLLER, CRISTINA. Characterizing the spike timing of a chaotic laser by using ordinal analysis and machine learning. Chaos, v. 34, n. 4, p. 8-pg., . (18/03211-6, 21/09839-0)
SPEZZATTO, G. S.; FLAUZINO, J. V. V.; CORSO, G.; BOARETTO, B. R. R.; MACAU, E. E. N.; PRADO, T. L.; LOPES, S. R.. Recurrence microstates for machine learning classification. Chaos, v. 34, n. 7, p. 10-pg., . (18/03211-6, 21/09839-0)
BOARETTO, BRUNO R. R.; PROTACHEVICZ, PAULO R.; HANSEN, MATHEUS; MEDRANO-T, RENE O.; MACAU, ELBERT E. N.; GREBOGI, CELSO. Complex bifurcation structures in a Hodgkin-Huxley model of thermally sensitive neurons under periodic perturbation. PHYSICAL REVIEW E, v. 111, n. 5, p. 6-pg., . (24/06718-5, 21/09839-0, 23/12863-5, 22/05153-9, 20/04624-2, 23/16273-8)
BOARETTO, BRUNO R. R.; PROTACHEVICZ, PAULO R.; HANSEN, MATHEUS; OLIVEIRA, JONAS; ANDREANI, ALEXANDRE C.; MACAU, ELBERT E. N.. Phase synchronization in a sparse network of randomly connected neurons under the effect of Poissonian spike inputs. Chaos, v. 33, n. 12, p. 11-pg., . (22/05153-9, 21/09839-0, 18/03211-6, 20/04624-2)
ROSSI, KALEL L.; BUDZINSKI, ROBERTO C.; BOARETTO, BRUNO R. R.; MULLER, LYLE E.; FEUDEL, ULRIKE. Shifts in global network dynamics due to small changes at single nodes. PHYSICAL REVIEW RESEARCH, v. 5, n. 1, p. 17-pg., . (21/09839-0, 18/03211-6)
BOARETTO, BRUNO R. R.; BUDZINSKI, ROBERTO C.; ROSSI, KALEL L.; MASOLLER, CRISTINA; MACAU, ELBERT E. N.. Spatial permutation entropy distinguishes resting brain states. CHAOS SOLITONS & FRACTALS, v. 171, p. 6-pg., . (21/09839-0, 18/03211-6)
BOARETTO, BRUNO R. R.; MACAU, ELBERT E. N.; MASOLLER, CRISTINA. Noise-induced extreme events in Hodgkin-Huxley neural networks. CHAOS SOLITONS & FRACTALS, v. 194, p. 7-pg., . (21/09839-0, 23/16273-8, 18/03211-6)
BOARETTO, B. R. R.; ANDREANI, A. C.; LOPES, S. R.; PRADO, T. L.; MACAU, E. E. N.. The use of entropy of recurrence microstates and artificial intelligence to detect cardiac arrhythmia in ECG records. Applied Mathematics and Computation, v. 475, p. 11-pg., . (18/03211-6, 21/09839-0)