Redes Neuronales
Las redes neuronales se modelan a diferentes niveles de resolución,
desde las neuronas más sencillas tipo McCulloch-Pitts, el
modelo de integrador con fugas donde la tasa de disparo es una función
no-lineal sencilla del potencial de membrana (cada neurona se modela
como un sólo compartimiento), hasta modelos de míltiples
compartimientos que incorporan membranas activas y una variedad
de canales. Tales modelos pueden o no incorporar mecanismos de plasticidad
sináptica. Además, algunos modeladores pueden incluir
ajustes de pesos sinápticos que no tiene la intención
de representar aprendizaje pero sirven como procedimientos sencillos
de identificación, o sea, dada una "arquitectura" general
(patrón de conectividad) para una red neuronal, estos procedimientos
buscan ajustar pesos (y posiblemente otros parámetros) que
permitan a la arquitectura aproximarse a sus propiedades deseadas.
Un sistema de simulación desarrollado para apoyar el modelado
y simulación de redes neuronales de propósito general
es NSL - Lenguaje de Simulación
Neuronal.
Redes Neuronales de Nivel Múltiple
Un tema de investigación actual es la extensión de grandes
redes neuronales y sistemas de comportamientos para incluir modelado
de neuronas más detalladas. Esta extensión se enfoca
en la integración de NSL con herramientas para el modelado
sub-neuronal, como GENESIS (Wilson and Bower 1989) y NEURON (Hines
1994). Este trabajo es parte del proyecto de investigación
titulado Modelado de Nivel Múltiple
en Redes Neuronales: Un Enfoque Computational y Experimental,
el cual involucra la integración de ASL y NSL, además
de ligarse con sistemas de bases de datos neurobiológicas. |