Modelos neuronales de neuronas y redes para la percepción, el aprendizaje, la cognición y la navegación: una revisión

Área de la Ciencia:

• La neurociencia
• Neurociencia computacional
• Inteligencia artificial

Sus antecedentes:

• Los modelos de redes neuronales son cruciales para entender la función del cerebro.
• Los modelos existentes incluyen redes neuronales basadas en velocidad y picos.
• El puente entre estos modelos es esencial para el análisis integral de los procesos cerebrales.

Objetivo del estudio:

• Revisar y sintetizar la historia de los modelos de redes neuronales.
• Explicar el proceso de conversión entre los modelos de red neuronal basados en velocidad y picos.
• Para demostrar la relevancia de esta conversión en varios procesos cerebrales.

Principales métodos:

• Revisión de los resultados teóricos y experimentales en modelos neuronales.
• Análisis de las leyes de derivación en neurofisiología.
• Hipótesis sobre los patrones espaciales como unidades funcionales de los procesos cerebrales (memoria a corto plazo y huellas de memoria a largo plazo).

Principales resultados:

• Todos los modelos de redes neuronales basados en velocidades pueden convertirse en modelos de redes neuronales con picos sin pérdida de poder explicativo.
• La conversión a menudo resulta en ganancias en el poder explicativo.
• Los patrones espaciales aprendidos por las neuronas con picos exhiben auto-similaridad espacio-temporal, preservando la información durante el desarrollo del cerebro.

Conclusiones:

• La conversión entre modelos de redes neuronales basadas en velocidad y picos ofrece un poder explicativo significativo para los procesos cerebrales.
• La memoria a corto plazo y las huellas de memoria a largo plazo, representadas por patrones espaciales, son fundamentales para la función cerebral.
• La autosimilaridad espacio-temporal en las neuronas con picos es vital para el desarrollo de redes neuronales a lo largo de la vida.