Ένα εργαλείο διδασκαλίας για μαθητές, καθηγητές και επιστήμονες της νευρολογίας, της βιοφυσικής και της βιοϊατρικής τεχνολογίας.
Επί του παρόντος τα διαθέσιμα μοντέλα τεχνητών νευρώνων δεν είναι σε θέση να προσομοιώσει θεμελιωδώς σημαντικά χαρακτηριστικά των πραγματικών βιολογικών νευρώνων: 1) ανταγωνιστική δεκτικοί τομείς και 2) το σήμα εξόδου pSTH των νευρώνων σε κάθε ερέθισμα.
Ακόμη και αν ορισμένα μοντέλα νευρώνων προσπαθήσει να μιμηθεί ανταγωνιστική δεκτικοί τομείς, στη συνέχεια, δεν είναι σε θέση να προσομοιώσει σήμα εξόδου pSTH, και το αντίστροφο - κάποια άλλα μοντέλα να προσπαθήσει να μιμηθεί το σήμα εξόδου pSTH των νευρώνων, όμως τα μοντέλα αυτά αποτυγχάνουν να εξηγήσουν ανταγωνιστική δεκτικοί τομείς των νευρώνων. Όπως για παράδειγμα, ένα πολύ δημοφιλές DOG (διαφορά Gaussians) μοντέλο προσομοιώνει ανταγωνιστική δομή του δεκτικού πεδίου, ωστόσο μοντέλο DOG αποτυγχάνει να προσομοιώσει σήμα εξόδου pSTH του νευρώνα. Και η συντριπτική πλειοψηφία των τεχνητών νευρωνικών μοντέλων ακόμα αδυνατούν να προσομοιώσουν τις δύο: ανταγωνιστική δεκτικοί τομείς και το σήμα εξόδου pSTH.
Για πρώτη φορά νευρώνα μοντέλο RF-pSTH είναι σε θέση να προσομοιώσει τόσο ανταγωνιστική δεκτικοί πεδία και σήμα εξόδου pSTH.
μοντέλο νευρώνα RF-pSTH βασίζεται στη φυσική των πραγματικών βιολογικών νευρώνων.
Σημείωση: «μοντέλο Neuron RF-pSTH» πρόγραμμα χρειάζεται μεγάλη οθόνη. Παρακαλούμε χρησιμοποιήστε την ταμπλέτα, αντί του τηλεφώνου.
Πλήρης περιγραφή είναι διαθέσιμη στη διεύθυνση:
http://neuroclusterbrain.com/neuron_model.html
Ενημερώθηκε στις
18 Ιουλ 2022