Sistemas de Membrana Neuronal de Picos Auto-Adaptativos con Neuromoduladores

Área de la Ciencia:

• Neurociencia Computacional
• Computación Biológicamente Inspirada

Sus antecedentes:

• Los sistemas de P neuronales de picos (SN PS) son redes neuronales de picos (SNN) de tercera generación para la computación distribuida.
• Los SN PS carecen de mecanismos para modelar neuromoduladores, que influyen en la plasticidad sináptica en sistemas biológicos.

Objetivo del estudio:

• Introducir un novedoso sistema de P neuronal de picos auto-adaptativo con neuromoduladores (SSNN PS).
• Mejorar el control computacional en los SN PS incorporando pesos auto-adaptativos regulados por neuromoduladores.

Principales métodos:

• Los neuromoduladores se modelan como recursos consumidos por reglas en una nueva unidad computacional de membrana postsináptica.
• La membrana postsináptica presenta pesos auto-adaptativos regulados por neuromoduladores, que reflejan la intensidad de la conexión interneuronal.
• Demostrar la universalidad de Turing de los SSNN PS para la generación y aceptación de números.

Principales resultados:

• Los SSNN PS exhiben un control mejorado sobre el proceso computacional.
• Se demostró la universalidad de Turing para los SSNN PS.
• Un modelo SSNN PS logró una precisión del 91,71 % en UTKFace y del 87,83 % en FairFace para el reconocimiento de género, superando a los métodos comparativos.

Conclusiones:

• Los SSNN PS ofrecen un modelo más biológicamente plausible para las SNN al incluir neuromoduladores.
• El mecanismo de auto-adaptación mejora la precisión computacional, particularmente en tareas de reconocimiento de patrones.
• Los SSNN PS muestran un potencial significativo para aplicaciones avanzadas de inteligencia artificial.