Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

logo del sistema bibliotecario dell'ateneo di padova

Benvegnù, Agostino (2012) The stochastic neural network in VLSI for studying noise communication in crayfish. [Magistrali biennali]

Full text disponibile come:

[img]
Anteprima
Documento PDF
2771Kb

Abstract

L'attivita neurale in natura presenta un andamento stocastico e gioca un ruolo significativo nel cervello. Tuttavia, la maggior parte degli articoli si limitano alla simulazione di neuroni stocastici. In questa tesi, proponiamo un nuovo modello stocastico secondo il formalismo di Hodgkin-Huxley basato su equazioni dierenziali stocastiche e moto browniano. Il nuovo modello di equazione dierenziale stocastiche riproduce una vasta gamma di dinamiche in modo piu realistico rispetto ai precedenti modelli deterministici. Tale modello stocastico e stato applicata a una semplice rete neurale che si trova sulla coda di un gambero chiamato CPR (caudal photoreceptor). Presentiamo una libreria di operatori analogici stocastici utilizzati per il calcolo analogico in tempo reale. Questa libreria permette di ottenere una implementazione in silicio della rete stocastica CPR che sarà collegata alle cellule nervose del gambero. L'interazione vivente-articiali permettera ai biologisti di comprendere meglio i fenomeni nervosi // The Neural activity in nature presents a stochastic trend and plays an important role in the brain. However, most papers are limited simulating stochastic neurons. In this thesis, we propose a novel stochastic model according to the Hodgkin{Huxley formalism using stochastic dierential equations and Brownian motion. The new stochastic dierential equation model reproduces a large range of dynamics more realistically than previous deterministic models. Such stochastic model has been applied to simple neural network that is located on the tail of the craysh called CPR (caudal photoreceptor). We present a library of stochastic analog operators used for the analog real-time computation. This library allows to obtain a silicon implementation of the CPR stochastic network that will be connected to the nerve cells of the craysh. The living-articial interaction will allow biologists to better understand the nervous phenomena

Tipologia del documento:Magistrali biennali
Parole chiave:Hodgkin-Huxley model, stochastic neural network, stochastic differential equations
Settori scientifico-disciplinari del MIUR:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/01 Elettronica
Codice ID:42212
Relatore:Gerosa, Andrea
Data della tesi:11 Dicembre 2012
Biblioteca:Polo di Ingegneria > Biblioteca Interdipartimentale di Ingegneria dell'Informazione e Ingegneria Elettrica
Tipo di fruizione per il documento:on-line per i full-text

Solo per lo Staff dell Archivio: Modifica questo record