De compleja a abstracta, la fascinante estructura de \u00e1rbol de las dendritas ahora se puede modelar a muchas escalas. Cr\u00e9dito: eLife <\/p>\n
Las neuronas, las unidades fundamentales del cerebro, son computadoras complejas en s\u00ed mismas. Reciben se\u00f1ales de entrada en una estructura similar a un \u00e1rbol, la dendrita. Esta estructura hace m\u00e1s que simplemente recopilar las se\u00f1ales de entrada: las integra y las compara para encontrar esas combinaciones especiales que son importantes para el papel de las neuronas en el cerebro. Adem\u00e1s, las dendritas de las neuronas vienen en una variedad de formas y formas, lo que indica que distintas neuronas pueden tener funciones separadas en el cerebro. <\/p>\n
Un modelo simple pero fiel<\/p>\n
En neurociencia, hist\u00f3ricamente ha habido un equilibrio entre la fidelidad de un modelo a la neurona biol\u00f3gica subyacente y su complejidad. Los neurocient\u00edficos han construido modelos computacionales detallados de muchos tipos diferentes de dendritas. Estos modelos imitan el comportamiento de las dendritas reales con un alto grado de precisi\u00f3n. La contrapartida, sin embargo, es que tales modelos son muy complejos. Por lo tanto, es dif\u00edcil caracterizar exhaustivamente todas las posibles respuestas de tales modelos y simularlos en una computadora. Incluso las computadoras m\u00e1s poderosas solo pueden simular una peque\u00f1a fracci\u00f3n de las neuronas en cualquier \u00e1rea del cerebro determinada.<\/p>\n
Los investigadores del Departamento de Fisiolog\u00eda de la Universidad de Berna han buscado durante mucho tiempo comprender el papel de las dendritas en los c\u00e1lculos realizados. por el cerebro. Por un lado, han construido modelos detallados de dendritas a partir de mediciones experimentales y, por otro lado, han construido modelos de redes neuronales con dendritas muy abstractas para aprender c\u00e1lculos como el reconocimiento de objetos. Un nuevo estudio se propuso encontrar un m\u00e9todo computacional para simplificar los modelos altamente detallados de las neuronas, manteniendo un alto grado de fidelidad. Este trabajo surgi\u00f3 de la colaboraci\u00f3n entre neurocient\u00edficos experimentales y computacionales de los grupos de investigaci\u00f3n del Prof. Thomas Nevian y el Prof. Walter Senn, y fue dirigido por el Dr. Willem Wybo. \u00abQuer\u00edamos que el m\u00e9todo fuera flexible, para que pudiera aplicarse a todos los tipos de dendritas. Tambi\u00e9n quer\u00edamos que fuera preciso, para que pudiera capturar fielmente las funciones m\u00e1s importantes de cualquier dendrita dada. Con estos modelos m\u00e1s simples, las neuronas las respuestas se pueden caracterizar m\u00e1s f\u00e1cilmente y se puede realizar la simulaci\u00f3n de grandes redes de neuronas con dendritas\u00bb, explica el Dr. Wybo.<\/p>\n
Este nuevo enfoque explota una elegante relaci\u00f3n matem\u00e1tica entre las respuestas de modelos de dendritas detallados y de modelos simplificados de dendritas. modelos de dendritas Debido a esta relaci\u00f3n matem\u00e1tica, el objetivo que se optimiza es lineal en los par\u00e1metros del modelo simplificado. \u00abEsta observaci\u00f3n crucial nos permiti\u00f3 utilizar el conocido m\u00e9todo de m\u00ednimos cuadrados lineales para encontrar los par\u00e1metros optimizados. Este m\u00e9todo es muy eficiente en comparaci\u00f3n con los m\u00e9todos que utilizan b\u00fasquedas de par\u00e1metros no lineales, pero tambi\u00e9n logra un alto grado de precisi\u00f3n\u00bb, dice el profesor. . Senn.<\/p>\n
Herramientas disponibles para aplicaciones de IA<\/p>\n
El principal resultado del trabajo es la metodolog\u00eda en s\u00ed misma: una forma flexible pero precisa de construir modelos de neuronas reducidas a partir de datos experimentales y reconstrucciones morfol\u00f3gicas. \u00abNuestra metodolog\u00eda acaba con la compensaci\u00f3n percibida entre la fidelidad y la complejidad, al mostrar que los modelos extremadamente simplificados a\u00fan pueden capturar gran parte de las importantes propiedades de respuesta de las neuronas biol\u00f3gicas reales\u00bb, explica el Prof. Senn. \u00abLo que tambi\u00e9n proporciona informaci\u00f3n sobre ‘la dendrita esencial’, el modelo de dendrita m\u00e1s simple posible que a\u00fan captura todas las respuestas posibles de la dendrita real de la que se deriva\u00bb, agrega el Dr. Wybo.<\/p>\n
Por lo tanto, en espec\u00edfico situaciones, se pueden establecer l\u00edmites estrictos sobre cu\u00e1nto se puede simplificar una dendrita, conservando al mismo tiempo sus importantes propiedades de respuesta. \u201cAdem\u00e1s, nuestra metodolog\u00eda simplifica enormemente la obtenci\u00f3n de modelos neuronales directamente a partir de datos experimentales\u201d, destaca el Prof. Senn, quien tambi\u00e9n es miembro del comit\u00e9 directivo del Centro de Inteligencia Artificial (CAIM) de la Universidad de Berna. La metodolog\u00eda se ha compilado en NEAT (NEural Analysis Toolkit), una caja de herramientas de software de c\u00f3digo abierto que automatiza el proceso de simplificaci\u00f3n. NEAT est\u00e1 disponible p\u00fablicamente en GitHub.<\/p>\n
Las neuronas que se usan actualmente en las aplicaciones de IA son extremadamente simples en comparaci\u00f3n con sus contrapartes biol\u00f3gicas, ya que no incluyen dendritas en absoluto. Los neurocient\u00edficos creen que la inclusi\u00f3n de operaciones similares a las dendritas en las redes neuronales artificiales conducir\u00e1 al pr\u00f3ximo salto en la tecnolog\u00eda de IA. Al permitir la inclusi\u00f3n de modelos de dendritas muy simples pero muy precisos en las redes neuronales, este nuevo enfoque y conjunto de herramientas brindan un paso importante hacia ese objetivo. <\/p>\n
Explore m\u00e1s<\/p>\n
Evidencia de propiedades el\u00e9ctricas previamente desconocidas en dendritas corticales humanas M\u00e1s informaci\u00f3n:<\/strong> Willem AM Wybo et al, Reducci\u00f3n basada en datos de morfolog\u00edas dendr\u00edticas con respuestas dendro-som\u00e1ticas conservadas, eLife (2021). DOI: 10.7554\/eLife.60936 Informaci\u00f3n del diario:<\/strong> eLife <\/p>\n Proporcionado por la Universidad de Berna Cita<\/strong>: Una reducci\u00f3n NEAT de modelos neuronales complejos acelera la investigaci\u00f3n del cerebro (2021, enero 27) obtenido el 30 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-01-neat-reduction-complex-neuronal-brain.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" De compleja a abstracta, la fascinante estructura de \u00e1rbol de las dendritas ahora se puede modelar a muchas escalas. Cr\u00e9dito: eLife Las neuronas, las unidades fundamentales del cerebro, son computadoras complejas en s\u00ed mismas. Reciben se\u00f1ales de entrada en una estructura similar a un \u00e1rbol, la dendrita. Esta estructura hace m\u00e1s que simplemente recopilar las … Continuar leyendo \u00abUna NEAT reducci\u00f3n de modelos neuronales complejos acelera la investigaci\u00f3n del cerebro\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-12559","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/12559","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=12559"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/12559\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=12559"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=12559"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=12559"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}