Powrót do źródeł

• Autorzy: Tadeusiewicz R.

Warianty tytułu

EN

Back to origins

• Języki publikacji: PL

Abstrakty

PL

Neuronów i sieci z nich zbudowanych, jako żywych, dynamicznych części organizmu, nie powinno się rozpatrywać w sposób statyczny. Tylko dynamiczny model, nie zawierający nadmiernych uproszczeń, może się okazać narzędziem użytecznym do celów badawczych. Wygodnym i łatwo dostępnym sposobem tworzenia takich modeli jest wykorzystywanie do tego celu szeroko znanych narzędzi, używanych obecnie do tworzenia sieci neuronowych dla potrzeb rozwiązywania przy ich pomocy różnych złożonych problemów. A ponieważ systemy do tworzenia sieci neuronowych powstały początkowo właśnie z ciekawości badaczy, chcących poznać strukturę i działanie mózgu, a dopiero potem były użyte do rozwiązywania problemów obliczeniowych - zabieg taki nazwano w tytule tej pracy "powrotem do korzeni". Należy mieć nadzieję, że metody i narzędzia do symulacji komputerowej sieci neuronowych, wyposażone w odpowiednią metodologię experiment in computo, staną się wkrótce dla neurobiologów narzędziem badawczym takim samym, jak oscyloskop rejestrujący impulsy naturalnych neuronów czy mikroskop pokazujący ich strukturę. Dane uzyskane na tej drodze są wprawdzie tylko aproksymacją rzeczywistości i wplecione są w iteracyjny ciąg składający się z zastosowania narzędzia komputerowego do interpretacji danych oraz uzyskiwania nowych danych na gruncie biologii, jednak i tak jest to jedno z najdoskonalszych narzędzi, jakie neurobiologia miała kiedykolwiek w swojej dyspozycji.

EN

Modelling of the human brain was the initial goal of the first applications of neural networks. Later it appeared, that artificial neural networks became a very useful and effective tool in modelling of complex problems in almost all domains. The objective of the work is the presentation of the results of research conducted nowadays in the field of the original applications of neural network approach, which were focused on modelling of brain functionality.

Słowa kluczowe

PL

sieci neuronowe; symulacja komputerowa; neurony; mózg; systemy neurobiologiczne

• Wydawca: Wydawnictwo Naukowe AKAPIT
• Czasopismo: Informatyka w Technologii Materiałów
• Rocznik: 2005
• Tom: T. 5, Nr 1-2
• Strony: 2--15
• Opis fizyczny: Bibliogr. 56 poz., rys.

Twórcy

autor

Tadeusiewicz R.

• Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• Bower, J.M., 1992, Modeling the nervous system, Trends Neuro- sci, 15,411-412.
• Crepel, F., Penit-Soria, J., 1986, Inward rectification and low threshold calcium conductance in rat cerebellar Purkinjego cells. An in vitro study, J. of Physiology, 372, 1-23.
• De Schütter, E., 1994, Modeling the cerebellar Purkinjego cell: Experiments in computo. Progress in Brain Research, 102, 427-441.
• De Schütter, E., 1999, Using realistic models to study synaptic integration in cerebellar Purkinjego cells, Reviews in the Neurosciences, 10, 233-245.
• De Schütter, E., Bower, J.M., 1994a, An Active Membrane Model of the Cerebellar Purkinjego Cell 1. Simulation of Current Claps in Slice, J. of Neurophysiology, 71,375-400.
• De Schütter, E., Bower, J.M., 1994b, An Active Membrane Model of the Cerebellar Purkinjego Cell 11. Simulation of Synaptic Responses, J. Neurophysiology,71,401-419.
• De Schütter, E., Bower, J.M., 1994c, Simulared responses of cerebellar Purkinje cells are independent of the dendritic location of granule cell synaptic inputs, PNAS, 91,4736-4740.
• De Schütter, E., Smolen, P., 1998, Calcium dynamics in large neuronal models, w: Methods in Neuronal Modeling, ed., Koch, C., Segev, 1,211-250.
• Destexhe, A., Contreras, D., Steriade, M., Sejnowski, T.J., Hugu- enard, J.R., 1996, In vivo, in vitro, and computational analysis of dendritic calcium currents in thalamic reticular neurons, J of Neuroscience, 16, 169-185.
• Duch, W., Korbicz, J., Rutkowski, L., Tadeusiewicz, R. (red.), 2000, Biocybernetyka i Inżynieria Biomedyczna 2000, Tom 6: Sieci Neuronowe, Polska Akademia Nauk, Warszawa.
• Eichler, W., Rogene, M., De Schütter, E., George, L. Wilcox, A., 1998, Using Evolutionary Algorithms to Search for Con¬trol Parameters in a Nonlinear Partial Differential Equ¬ation, Evolutionary Algorithms,33-64.
• Gähwiler, B. H., Llano, I., 1989, Sodium and potassium conductances in somatic membranes of rat Purkinjego cells from organotypic cerebellar cultures, J. of Physiology,417,1 OS- 122.
• Gruol, D. L., Jacquin, T., Yool, A. J., 1991, Single-channel K+ currents recorded from the somatic and dendritic regions of cerebellar Purkinjego neurons in culture, J. of Neuroscience, 11, 1002-1015.
• Häusser, M, Clark, B.A., 1997, Tonic synaptic inhibition modulates neuronal output pattern and spatiotemporal integration, Neuron, 19, 665-678.
• Hodgkin, A.L., Huxley, A.F., 1952, A quantitative description of membrane current and its application to conduction and excitation in nerve, J. of Physiology, 117, 500-544.
• Holmes, W. R., Rail, W., 1992, Electrotonic models of neuronal dendrites and single neuron computation, w: Single neuron computation, ed., McKenna, T., Davis, J., Zometzer, S. New York, Academic, 7-25.
• Hounsgaard, J., Midtgaard, J., 1998, Intrinsic determinans of firing patterns in Purkinjego cells of the turtle cerebellum in vitro, J. of Physiology, 402, 731 -749.
• Howell, F.W., Dyhrfjeld-Johnsen, J., Maex, R., Goddard, N., De Schütter, E., 1999, A large scale model of the cerebellar cortex using PGENESIS, Neurocomputing.
• Jaeger, D, Bower, J.M., 1994, Prolonged responses in rat cerebellar Purkinje cells following activation of the granule cell layer: an intracellular in vitro and in vivo investigation. Exp. Brain Res., 100. 200-214.
• Jaeger, D, Bower J.M., 1999, Synaptic Control of Spiking in Cerebellar Purkinje Cells: Dynamic Current Clamp Based on Model Conductances, J. of Neuroscience, 19, 6090- 6101.
• Kaneda, M., Wakamori, M., Ito. M., Akaike, N., 1990, Low-threshold calcium current in isolated Purkinjego cell bodies of rat cerebellum, J. of Neurophysiology, 63, 1046-1051.
• Lev-Ram. V., Miyakawa, H.. Lasser-Ross, N., Ross, W. N., 1992, Calcium transients in cerebellar Purkinje neurons evoked by intracellular stimulation, J. of Neurophysiology, 68, 1167-1177.
• Llinas. R., Sugimori, M., 1980a, Electrophysiological properties of in vitro Purkinjego cell somata in mammalian cerebellar slices, J. of Physiology, 305, 171 -195.
• Llinas, R., Sugimori, M., 1980b, Electrophysiological properties of in vitro Purkinjego cell dendrites in mammalian cerebellar slices, J. of Physiology, 305, 197-213.
• Llinas, R., Sugimori, M., 1992, The electrophysiology of the cerebellar Purkinjego cells revisited, w: The Cerebellum Revisited, ed., Llinas, R., Sotelo, C., 167-181.
• Maex, R.. De Schutter. E., 1998, Synchronization of Golgi and granulare cell firing in a detail network model of the cerebellar granule cell layer, J. Neurophysiol, 80, 2521-2537.
• Mainen, Z.F., Sejnowski, T.J., 1998, Modeling active dendritic processes in pyramidal neurons, Methods in Neuronal Modeling, ed., Koch, C., Segev, I, 171-210.
• Majewski, J., 1983, Komputerowe modelowanie dynamiki przestrzennego rozkładu potencjału błony somy komórki nerwowej, Elektrotechnika, 2, 335-355.
• Majewski, J., 1981, Komputerowe modelowanie neuronu, Praca doktorska, AGH, Kraków.
• Majewski, J., Tadeusiewicz, R., 1979, Cyfrowy model generowania impulsów czynnościowych w neuronie, Arch. Automatyki i Telemechaniki, nr 4.
• McCormick, D.A.. Huguenard, J.R., 1992, A model of the electrophysiological properties of thalamocortical relay neurons, J. of Neurophysiology, 68, 1384-1400.
• Mikrut, Z., 1985, Cyfrowy system do badania dynamiki sieci neu- ropodobnych, Praca doktorska, AGH, Kraków.
• Mikrut, Z., Tadeusiewicz, R., 1978, Identyfikacja i modelowanie neuronu na maszynie cyfrowej, Archiwum Automaty ki i Telemechaniki, nr 3.
• Mikrut, Z., Trąbka, W., 1986, A trial of cybernetic explanation of development and regression of begin child epilepsy, Acta Physiol. Pol., 37, 285-292.
• Miyakawa, H.. Lev-Ram, V., Lasser-Ross, N., Ross, W.N., 1992, Calcium transients evoked by climbing fiber synaptic in¬puts in guinea pig cerebellar Purkinje neurons, J. of Neurophysiology’, 68, 1178-1189.
• Moor, J.W., Development of simulation tools- culminating in NEURON. In: User’s Manual to NEURON http:// neuron.duke.edu/userman/4/develop 1 .html.
• Nadim, F., Olsen O., De Schutter, E., Calabrese, R.L., 1995, Mo¬deling the Leech Heartbeat Elemental Oscillator: I. Interactions of Intrinsic and Synaptic Currents, J. of Computational Neuroscience, 2:215-235.
• Ptotopapas, A.D., Vanier, M., Bower, J.M., 1998, Simulating Large Networks of Neurons, w: Methods in Neural Mode¬ling, second edition, ed., Koch, C., Segev, I., MIT Press, Cambridge.
• Rapp, M, Segev, 1., Yarom, Y., 1994, Physiology, morphology and detailed passive models of cerebellar Purkinjego cells, J. Physiol. Lond., 474, 87-99.
• Rapp, M, Segev, I., Yarom, Y„ 1992, The impact of parallel fiber background activity on the cable properties of cerebellar Purkinjego cells, Neural Comput., 4, 518-533.
• Regan, L.J., 1991, Voltage-dependent calcium currents in Purkinjego cells from rat cerebellar vermis, J. of Neuroscience, 11,2259-2269.
• Segev, I., Burke, R.E., 1998, Compartmental models of complex neurons, w: Methods in Neuronal Modeling, ed., Koch, C., Segev, L, MIT Press Cambridge, 93-129.
• Spain, W.J., Schwindt, P.C., Grill, W.E., 1987, Anomalous rectification in neurons from cat sensorimotor cortex in vitro, J. Neurophysiol., 57, 1555-1576.
• Lula, P., Tadeusiewicz, R., 2001, autorskie tłumaczenie Statistic# Neural Networks™ PL - Poradnik użytkownika; Tadeusiewicz, R. dodatkowe specjalnie opracowane poszerzone objaśnienia do polskiego wydania, nieobecne w edycji angielskiej - 38 stronic). StatSoft & C.H. Beck, Kraków.
• Tadeusiewicz, R., 1993, Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa.
• Tadeusiewicz. R., 1991, Problemy biocybernetyki, PWN, Warszawa.
• Tadeusiewicz, R., 1988, Biocybernetyka, Ossolineum, Wrocław.
• Tadeusiewicz. R., 1985. Methodology of cybernetic modeling of biological systems, Mat. Konf Cybernetics '85, PTI. Warszawa, 75-84.
• Tadeusiewicz, R., Kot, L., Mikrut, Z., 1978, Biocybernetyka, Skrypt uczelniany AGH, nr 630, Kraków.
• Tadeusiewicz, R. (red.), 1979, Modelowanie cybernetyczne systemów biologicznych, Wydawnictwo AM, Kraków.
• Tadeusiewicz, R., 1974, Wybrane zagadnienia cyfrowego modelowania fragmentów układu nerwowego. Mat. II Ogólnopolskiego Sympozjum System. Modelowanie, Sterowanie, Zakopane.
• Traub, R.D., 1982, Simulation of intrinsic bursting in CA3 hippocampal neurons, Neuroscience, 7, 1233-1242.
• Vanier, M.C., Bower, J.M., 1996, A comparison of automated parameter-searching methods for neural models, w: Bower, J.M., Computational Neuroscience, Trends in Research 1995,477-482.
• Vanier, M.C., Bower, J.M., 1999, A Comparative Survey of Automated Parameter-Search Methods for Compartmental Neural Models, http://www.bbb.caltech.edu/USERS/ mvanier/parampaper/param.html.
• Wang, Y., Strahlendorf. J.C., Strahlendorf, U.K., 1991, A transient voltage-dependent outward potassium current in mammalian cerebellar Purkinjego cells, 567, 153-158.
• Yamada, W.M., Koch, C., Adams, PR., 1989, Multiple channels and calcium dynamics, w: Methods in neuronal modeling: from synapses to networks, ed., Koch, C., Segev, I., MIT Press, Cambridge, 97-133.