Synaptische Verschaltung
|
|
- Insa Haupt
- vor 7 Jahren
- Abrufe
Transkript
1 Synaptische Verschaltung html
2 Vorläufiges Vorlesungsprogramm Motivation Passive Eigenschaften von Neuronen Räumliche Struktur von Neuronen Aktive Eigenschaften von Neuronen Das Hodgkin-Huxley Modell Kodierung sensorischer Reize + Modellsimulation Analysemethoden und Kodierungsprinzipien Variabilität neuronaler Antworten Stimulusschätzung und Informationstheorie Zwei Modelle retinaler Verarbeitung Synaptische Verschaltung Entstehung rezeptiver Felder Künstliche Neuronale Netze Lernen in natürlichen und künstlichen Netzwerken
3 Programm Wiederholung: Synaptische Übertragung Modell synaptischer Übertragung Synaptische Integration Grundlegende Verschaltunsarten in neuronalen Netzen
4 Elektrische Synapsen Direkter Ionenfluss durch gemeinsam gebildete Membranporen Modellierbar durch einen Widerstand
5 Chemische Synapsen Umkodierung von elektrischen in chemische und zurück in elektrische Signale
6 Die Wirkung chemischer Synapsen hängt vom Rezeptor ab
7 Chemische Synapsen arbeiten stochastisch Informationsübertragung chemischer Synapsen ist eine Abfolge stochastischer Prozesse z.b. Transmitteraussüttung entspricht Binominalverteilung: Wahrscheinlichkeit, dass eine Synapse k Quanten Transmitter abgibt, wenn sie n Bindungsstellen hat, die jeweils mit Wahrscheinlichkeit p ein Vesikel abgeben: z.b. für n=3 Bindungsstellen mit p=1/3 : p(3,0)=8/27, p(3,1)=12/27, p(3,2)=6/27, p(3,3)=1/27
8 Postsynaptische Potentiale (PSP) sind variabel Einzelne EPSPs: Typischerweise wird nur bei 10-90% der präsynaptischen APs überhaupt ein postsynaptisches Potential ausgelöst Die Amplitude der PSPs hängt linear von der Anzahl ausgeschütteter Transmitterqanten ab und ist entsprechend variabel Gemitteltes EPSP: Gängige, stark vereinfachte Annahme: Modellierung des mittleren postsynaptischen Potentials Aber: Das ignoriert stochastische Prozesse und Änderungen der synaptischen Stärke!
9 Postsynaptischer Strom (PSC) Esyn Esyn Voltage Clamp: Maximalwert des EPSCs hängt linear von der Membranspannung ab. Das PSC wird durch einen kurzzeitigen Anstieg der Membranleitfähigkeit gsyn bewirkt. Isyn(t) = gsyn(t)(u(t)-esyn)
10 Ersatzschaltbild Differentialgleichung Strominjektion für für passive in für passive passive Membran Membran Membran nnen; Ui innen; Ui Ui ie ie ie nach Kirchhoffscher Regel: ie = ie = ic + ic ie + ir= iric + ir ic Rm ir Rm ir ir ic+ir+iinj=0 U(t) U(t) U(t) Rm ic = ic = Cm Cm ic du(t)/dt = du(t)/dt Cm du(t)/dt Um(t) Um(t) Um(t) iinj Cm ER ER ER ir = ir = U(t)/Rm ic=cm (du(t)/dt) U(t)/Rm ir = U(t)/Rm ie ie ie ußen; Ue außen; Ue Ue ir=(u(t)-er)/rm Zusätzlich: Zusätzlich: Zusätzlich Spike- Spike- Spike- Schwelle! Schwelle! Schwelle! => du(t)/dt = -(1/τ) (U(t)-ER)-iinj(t)/Cm mit τ=rm Cm
11 Ersatzschaltbild Differentialgleichung synaptischer für Eingang für passive für passive in passive Membran passiver Membran Membran Membran nnen; Ui innen; Ui Ui ie ie ie nach Kirchhoffscher Regel: ic+ir+isyn=0 ie = ie = ic + ic ie + ir= iric + ir ic Rm ir Rm ir ir isyn Formel für PSC: U(t) U(t) U(t) Rm ic = ic = ic = Cm du(t)/dt Um(t) Um(t) isyn(t) Cm Cm du(t)/dt du(t)/dt Um(t) Rsyn = gsyn(t)(u(t)-esyn) Cm ER ER ER Esyn ir = ir = U(t)/Rm U(t)/Rm ir = U(t)/Rm also: gsyn(t)(u(t)-esyn) = ie ie ie Zusätzlich: Zusätzlich: Zusätzlich außen; Cm (du(t)/dt) + ußen; Ue Ue Ue Spike- Spike- Spike- (U(t)-ER)/Rm Schwelle! Schwelle! Schwelle! => du(t)/dt = -(1/τ) (U(t)-ER)-(gsyn(t)/Cm) (U(t)-Esyn) mit τ=rm Cm
12 Kombination mehrerer synaptischer Inputs Wenn N Synapsen integriert werden: du(t)/dt = -(1/τ) (U(t)-ER)- (gsyn,i(t)/cm) (U(t)-Esyn,i) i Stimulation eines präsynaptischen Neurons bewirkt im Cortex häufig ein schnelles EPSP ein schnelles IPSP (durch GABAA erhöhte CL - -Leitfähigkeit) ein langsames IPSP (durch GABAB erhöhte K + -Leitfähigkeit)
13 α-funktion als Modell für synaptischen Input isyn(t) = gsyn(t)(u(t)-esyn) du(t)/dt = -(1/τ) (U(t)-ER)-(gsyn(t)/Cm) (U(t)-Esyn) Modell für gsyn: E syn <E R E syn >E R gsyn(t)=const te - t/t peak 3 Fälle: E syn >E R EPSP E syn >E R E syn <E R IPSP E syn <E R E syn E R shunting inhibition
14 Kombination von Excitation und Shunting Inhibition Wenn N Synapsen integriert werden: du(t)/dt = -(1/τ) (U(t)-ER)- (gsyn,i(t)/cm) (U(t)-Esyn,i) i Neuron mit einer excitatorischen und einer shunting inhibition Synapse, die gleichzeitig lange Zeit aktiv sind: du(t)/dt = -(1/τ) (U(t)-ER) -(ge/cm) (U(t)-Ee) -(gi/cm) (U(t)-ER) Shunting Inhibition bewirkt kleinere, schnellere EPSPs
15 Die Idee künstlicher neuronaler Netze Künstliche neuronale Netze sind an synaptisch miteinander verkoppelte Neurone angelehnt Es wird ein gekoppeltes Gleichungssystem aufgestellt, bei dem für jedes Neuron die Feuerrate berechnet wird dui(t)/dt = -(1/τ) Ui(t)+iinj/Cm+ wij fj(t)/cm wij = synaptisches Gewicht von Neuron j zu Neuron i fj(t)=g(ui(t)) = Feuerrate von Neuron j, ermittelt mit stationärer Nichtlinearität g Noch weitere Vereinfachung für zeitlich diskret bestimmte Aktivität von Neuron i: fi(t)=g( wij fj(t-1)) j j
16 Bedeutung der Parameter künstlicher neuronaler Netze fi(t)=g( wij fj(t-1)) j Die Funktion g setzt die gewichtete, summierte Aktivität der präsynaptischen Neurone in eine Feuerrate um. Normalerweise ist g nichtlinear, z.b. eine Sigmoidfunktion. Das synaptische Gewicht wij fasst zusammen: Die Anzahl Vesikelbindungsstellen Die Wahrscheinlichkeit der Transmitterfreisetzung Den postsynaptischen Effekt eines Transmitterquantum Excitation: wij>0, Inhibition: wij<0 Ziel der meisten Studien: Finden optimaler wij bei festem g
17 Grundlegende Verschaltungen: 1:1-Verschaltung Die Aktivität eines präsynaptischen Neurons wird gewichtet an ein postsynaptisches Neuron übertragen präsynaptisch postsynaptisch Dabei kann durch Inhibition eine Vorzeichenumkehr stattfinden Bedeutung: 1. Prä- und postsynaptische Zelle haben gleiche rezeptive Felder 2. Topologie-erhaltende Abbildung des Reizortes
18 Grundlegende Verschaltungen: Konvergenz präsynaptisch postsynaptisch Bedeutung: Räumliche Vergrößerung des rezeptiven Feldes 2. Komplexe Struktur des rezeptiven Feldes 3. Zeitlicher Vergleich der Inputs möglich 4. Erhöhte Zuverlässigkeit bei redundanten Inputs Die Aktivität mehrerer präsynaptischer Neuronen wird durch ein postsynaptisches Neuron integriert Die synaptischen Verbindungen können unterschiedlich stark sein Excitation und Inhibition (auch shunting inhibition) können gemischt auftreten Das postsynaptische Neuron nimmt eine Mittelung der gewichteten präsynaptischen Aktivitäten vor In biologischen neuronalen Netzen ist die Interaktion nichtlinear
19 Konvergenz: Integration vs Koinzidenzdetektion präsynaptisch postsynaptisch z.b. Ermittlung von Reizintensität durch zeitliche Integration im visuellen Cortex z.b. Vergleich zwischen Ohren bei Richtungshören im auditorischen Cortex Zusätzlich zur räumlichen hat Konvergenz auch eine zeitliche Komponente Wichtiger Parameter: Zeitskala der Konvergenz lange Integrationszeiten bedeuten zeitliche Integration => Ratencode kurze Integrationszeiten ermöglichen Koinzidenzdetektion => Zeitcode
20 Grundlegende Verschaltungen: Divergenz präsynaptisch postsynaptisch Bedeutung: Mehrere präsynaptische Neurone mit gleichem rezeptiven Feld 2. Erhöhte Zuverlässigkeit der Populationsantwort bei unzuverlässigen Synapsen Die Aktivität eines präsynaptischen Neurons wird an mehrere postsynaptische Neurone weitergegeben Die synaptischen Verbindungen können unterschiedlich stark sein In künstlichen neuronalen Netzen kann ein Neuron normalerweise sowohl erregende als auch hemmende Synapsen bilden Bei biologischen Neuronen ist nur für manche Transmitter Excitation und Inhibition möglich
21 Grundlegende Verschaltungen: Vorzeichenumkehr + präsynaptisch postsynaptisch - + Bedeutung: 1. Möglichkeit, Excitation und Inhibition zu kombinieren 2. Hemmung eines Gegenspielers bewirkt indirekte Verstärkung Die Aktivität eines präsynaptischen Neurons wird sowohl direkt an postsynaptische Neurone, als auch an postynaptische Interneurone weitergegeben, die bei der weiteren Verschaltung das Vorzeichen umkehren
22 Grundlegende Verschaltungen: komplette Vernetzung präsynaptisch postsynaptisch Bedeutung: 1. Postsynaptische Zellen können komplexe rezeptive Felder haben 2. Vorteile von Konvergenz und Divergenz werden kombiniert Alle präsynaptischen Neuron sind mit allen postsynaptischen verbunden Synaptische Gewichte können unterschiedlich und Excitation und Inhibition gemischt sein (soweit Transmitterausstattung biologischer Neurone das zulässt) Normalfall für künstliche neuronale Netze, die häufig mit zufällig gewählten Gewichten einer kompletten Vernetzung initialisiert werden
23 Grundlegende Verschaltungen: Reziproke Vernetzung (Feedback) Selbsterregung Selbsterregung Selbsthemmung Bedeutung: 1. Aktivität hängt nicht nur von sensorischen Inputs ab 2. Es können sich typische Aktivitätsmuster entwickeln 3. Besonders wichtig bei Taktgeber-Netzwerken Zwei Neurone sind wechselseitig miteinander verschaltet Information fließt im Kreis, Neurone sind also gleichzeitig präund postsynaptisch zu sich selbst z.b. Stomatogastrisches Ganglion:
24 Grundlegende Verschaltungen: Rekurrente Vernetzung (Feedback) Bedeutung: 1. Netzwerk-intrinsische Aktivität überlagert stimulus-getriebene 2. Definition von rezeptiven Feldern wird schwierig (oder unmöglich) Allgemeiner Fall des Feedbacks Mehrere Neurone sind im Kreis miteinander verbunden Es gibt also keine eindeutig geschichtete Struktur Alle Kombinationen aus Erregung und Hemmung sind möglich Neurone können an mehreren Feedback-Schleifen beteiligt sein Normalfall kortikaler Verarbeitung Bei künstlichen neuronalen Netzen sehr mächtig, aber schwer analysierbar
25 Der Normalfall: Kombination vieler Möglichkeiten
26 Hausaufgabe Durch welche Verschaltungsmuster können rezeptive Felder mit Zentrum-Umfeld Organisation entstehen?
27 Programm (revisited) Wiederholung: Synaptische Übertragung Chemische Synapsen übertragen Information durch eine Abfolge stochastischer Prozesse Modell synaptischer Übertragung Integration der durch chemische Synapsen bewirkten Leitfähigkeitsänderung in das Ersatzschaltbild Synaptische Integration Die Leitfähigkeitsänderungen mehrerer chemischer Synapsen können nichtlinear interagieren Grundlegende Verschaltunsarten in neuronalen Netzen Durch Kombination aus Konvergenz, Divergenz und Rekurrenz ergeben sich komplexe Antworteigenschaften
Vereinfachte Neuronenmodelle
Vereinfachte Neuronenmodelle (Integrate & Fire, künstliche neuronale Netze) Computational Neuroscience 8.1.2007 Jutta Kretzberg (Vorläufiges) Vorlesungsprogramm 23.10.06!! Motivation 30.10.06!! Neuronale
MehrEntstehung rezeptiver Felder
Entstehung rezeptiver Felder 30.1.2006 http://www.uni-oldenburg.de/sinnesphysiologie/ Vorlesungsprogramm 17.10.05 Motivation 24.10.05 Passive Eigenschaften von Neuronen 31.10.05 Räumliche Struktur von
MehrZwei Modelle retinaler Verarbeitung
Zwei Modelle retinaler Verarbeitung 8.1.2006 http://www.uni-oldenburg.de/sinnesphysiologie/15247.html Vorlesungsprogramm 17.10.05 Motivation 24.10.05 Passive Eigenschaften von Neuronen 31.10.05 Räumliche
MehrNeuronale Kodierung sensorischer Reize. Computational Neuroscience Jutta Kretzberg
Neuronale Kodierung sensorischer Reize Computational Neuroscience 30.10.2006 Jutta Kretzberg (Vorläufiges) Vorlesungsprogramm 23.10.06!! Motivation 30.10.06!! Neuronale Kodierung sensorischer Reize 06.11.06!!
MehrExzitatorische (erregende) Synapsen
Exzitatorische (erregende) Synapsen Exzitatorische Neurotransmitter z.b. Glutamat Öffnung von Na+/K+ Kanälen Membran- Potential (mv) -70 Graduierte Depolarisation der subsynaptischen Membran = Erregendes
MehrNeuronale Kodierung. Jutta Kretzberg. Lehrprobe Oldenburg,
Neuronale Kodierung Jutta Kretzberg Lehrprobe Oldenburg, 2.10.2008 http://www.uni-oldenburg.de/sinnesphysiologie/download/lehrprobe.pdf Vorlesung zum Master-Modul Neurobiologie Neuroanatomie Neurophysiologie
MehrVom Reiz zum Aktionspotential. Wie kann ein Reiz in ein elektrisches Signal in einem Neuron umgewandelt werden?
Vom Reiz zum Aktionspotential Wie kann ein Reiz in ein elektrisches Signal in einem Neuron umgewandelt werden? Vom Reiz zum Aktionspotential Primäre Sinneszellen (u.a. in den Sinnesorganen) wandeln den
MehrErregungsübertragung an Synapsen. 1. Einleitung. 2. Schnelle synaptische Erregung. Biopsychologie WiSe Erregungsübertragung an Synapsen
Erregungsübertragung an Synapsen 1. Einleitung 2. Schnelle synaptische Übertragung 3. Schnelle synaptische Hemmung chemische 4. Desaktivierung der synaptischen Übertragung Synapsen 5. Rezeptoren 6. Langsame
MehrPassive und aktive elektrische Membraneigenschaften
Aktionspotential Passive und aktive elektrische Membraneigenschaften V m (mv) 20 Overshoot Aktionspotential (Spike) V m Membran potential 0-20 -40 Anstiegsphase (Depolarisation) aktive Antwort t (ms) Repolarisation
MehrModul MED-CNS008: Grundlagen der Modellierung neuronaler Systeme. VL4, , Uhr, PC-Pool, IMSID, Bachstr.18, Gebäude 1
Modul MED-CNS008: Grundlagen der Modellierung neuronaler Systeme VL4, 11.5.2012, 10.00 Uhr, PC-Pool, IMSID, Bachstr.18, Gebäude 1 Lehrender: Dirk Hoyer, dirk.hoyer@med.uni-jena.de, Tel. 9325795 2.2 Rückgekoppelte
MehrC1/4 - Modellierung und Simulation von Neuronen
C 1 /4 - Modellierung und Simulation von Neuronen April 25, 2013 Motivation Worum geht es? Motivation Worum geht es? Um Neuronen. Motivation Worum geht es? Um Neuronen. Da ist u.a. euer Gehirn draus Motivation
MehrAbbildungen Schandry, 2006 Quelle: www.ich-bin-einradfahrer.de Abbildungen Schandry, 2006 Informationsvermittlung im Körper Pioniere der Neurowissenschaften: Santiago Ramón y Cajal (1852-1934) Camillo
MehrBK07_Vorlesung Physiologie. 05. November 2012
BK07_Vorlesung Physiologie 05. November 2012 Stichpunkte zur Vorlesung 1 Aktionspotenziale = Spikes Im erregbaren Gewebe werden Informationen in Form von Aktions-potenzialen (Spikes) übertragen Aktionspotenziale
MehrBiopsychologie als Neurowissenschaft Evolutionäre Grundlagen Genetische Grundlagen Mikroanatomie des NS
1 1 25.10.06 Biopsychologie als Neurowissenschaft 2 8.11.06 Evolutionäre Grundlagen 3 15.11.06 Genetische Grundlagen 4 22.11.06 Mikroanatomie des NS 5 29.11.06 Makroanatomie des NS: 6 06.12.06 Erregungsleitung
MehrÜbertragung zwischen einzelnen Nervenzellen: Synapsen
Übertragung zwischen einzelnen Nervenzellen: Synapsen Kontaktpunkt zwischen zwei Nervenzellen oder zwischen Nervenzelle und Zielzelle (z.b. Muskelfaser) Synapse besteht aus präsynaptischen Anteil (sendendes
MehrVorlesung Einführung in die Biopsychologie. Kapitel 4: Nervenleitung und synaptische Übertragung
Vorlesung Einführung in die Biopsychologie Kapitel 4: Nervenleitung und synaptische Übertragung Prof. Dr. Udo Rudolph SoSe 2018 Technische Universität Chemnitz Grundlage bisher: Dieser Teil nun: Struktur
MehrComputational Neuroscience
Computational Neuroscience Vorlesung WS 2005/2006 Josef Ammermüller Jutta Kretzberg http://www.uni-oldenburg.de/sinnesphysiologie/ 14508.html Begriffsdefinitionen Computational Neuroscience Churchland
MehrDas Wichtigste: 3 Grundlagen der Erregungs- und Neurophysiologie. - Erregungsausbreitung -
Das Wichtigste Das Wichtigste: 3 Grundlagen der Erregungs- und Neurophysiologie - Erregungsausbreitung - Das Wichtigste: 3.4 Erregungsleitung 3.4 Erregungsleitung Elektrotonus Die Erregungsausbreitung
MehrJ. Breckow R. Greinert. Biophysik. Eine Einführung
J. Breckow R. Greinert Biophysik Eine Einführung Walter de Gruyter 1994 1 Differenzierungsprozesse und Bildung geordneter Strukturen... 1 1. Abgeschlossene Systeme. offene Systeme... 2 1.1. Allgemeines
MehrVisuelle Wahrnehmung I
Visuelle Wahrnehmung I Licht: physikalische Grundlagen Licht = elektromagnetische Strahlung Nur ein kleiner Teil des gesamten Spektrums Sichtbares Licht: 400700 nm Licht erst sichtbar, wenn es gebrochen
MehrNeuronale Codierung und Mustererkennung
Neuronale Codierung und Mustererkennung Frühe vs. späte Stadien der neuronalen Objekterkennung Bottom-up (stimulusgesteuerte) vs. Top-down (konzeptuell beeinflusste) Prozesse Ein Beispiel für Top-down
MehrVariabilität neuronaler Antworten. Computational Neuroscience Jutta Kretzberg
Variabilität neuronaler Antworten Computational Neuroscience 13.11.2006 Jutta Kretzberg (Vorläufiges) Vorlesungsprogramm 23.10.06!! Motivation 30.10.06!! Neuronale Kodierung sensorischer Reize 06.11.06!!!
MehrAufbau und Beschreibung Neuronaler Netzwerke
Aufbau und Beschreibung r 1 Inhalt Biologisches Vorbild Mathematisches Modell Grundmodelle 2 Biologisches Vorbild Das Neuron Grundkomponenten: Zellkörper (Soma) Zellkern (Nukleus) Dendriten Nervenfaser
MehrPostsynaptische Potenziale
Postsynaptisches Potenzial Arbeitsblatt Nr 1 Postsynaptische Potenziale Links ist eine Versuchsanordnung zur Messung der Membranpotenziale an verschiedenen Stellen abgebildet. Das Axon links oben wurde
Mehrabiweb NEUROBIOLOGIE 17. März 2015 Webinar zur Abiturvorbereitung
abiweb NEUROBIOLOGIE 17. März 2015 Webinar zur Abiturvorbereitung Bau Nervenzelle Neuron (Nervenzelle) Dentrit Zellkörper Axon Synapse Gliazelle (Isolierung) Bau Nervenzelle Bau Nervenzelle Neurobiologie
MehrZentrales Nervensystem
Zentrales Nervensystem Funktionelle Neuroanatomie (Struktur und Aufbau des Nervensystems) Neurophysiologie (Ruhe- und Aktionspotenial, synaptische Übertragung) Fakten und Zahlen (funktionelle Auswirkungen)
MehrDas visuelle System. Das Sehen von Kanten: Das Sehen von Kanten ist eine trivial klingende, aber äußerst wichtige Funktion des visuellen Systems!
Das Sehen von Kanten: Das Sehen von Kanten ist eine trivial klingende, aber äußerst wichtige Funktion des visuellen Systems! Kanten definieren die Ausdehnung und die Position von Objekten! Eine visuelle
MehrModulprüfung: BBio119, Neurowissenschaften und Verhaltensbiologie. Klausur zur Vorlesung: Theoretische Neurowissenschaften.
Modulprüfung: BBio119, Neurowissenschaften und Verhaltensbiologie Klausur zur Vorlesung: Theoretische Neurowissenschaften. SoSe 2010 Name Vorname Matrikelnummer Anmerkungen: Sie müssen die Prüfung ohne
MehrDie neuronale Synapse
Die neuronale Synapse AB 1-1, S. 1 Arbeitsweise der neuronalen Synapse Wenn am synaptischen Endknöpfchen ein Aktionspotenzial ankommt, öffnen sich spannungsgesteuerte Calciumkanäle. Da im Zellaußenmedium
MehrDie Entwicklung der Gefühle: Aspekte aus der Hirnforschung. Andreas Lüthi, Friedrich Miescher Institut, Basel
Die Entwicklung der Gefühle: Aspekte aus der Hirnforschung Andreas Lüthi, Friedrich Miescher Institut, Basel Wie lernen wir Angst zu haben? Wie kann das Gehirn die Angst wieder loswerden? Angst und Entwicklung
MehrNeuronale Signalverarbeitung
neuronale Signalverarbeitung Institut für Angewandte Mathematik WWU Münster Abschlusspräsentation am 08.07.2008 Übersicht Aufbau einer Nervenzelle Funktionsprinzip einer Nervenzelle Empfang einer Erregung
MehrNeuronale Netzwerke. Niels Pieper, Daniel Janßen-Müller, Daniel Ritterskamp. Betreuer: Michael Wilczek. 7. Februar 2011
Neuronale Netzwerke Niels Pieper, Daniel Janßen-Müller, Daniel Ritterskamp Betreuer: Michael Wilczek 7. Februar 2011 1 Wiederholung 2 Modell 3 spikeabhängige Plastizität 4 Anwendung 5 Literatur Biologischer
MehrPerzeptronen. Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg
Perzeptronen Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Perzeptronen 1 / 22 Gliederung 1 Schwellwert-Logik (MCCULLOCH-PITTS-Neuron)
MehrAufbau und Funktionweise der Nervenzelle - Wiederholung Vorlesung -
Aufbau und Funktionweise der Nervenzelle - Wiederholung Vorlesung - Fragen zur Vorlesung: Welche Zellen können im Nervensystem unterschieden werden? Aus welchen Teilstrukturen bestehen Neuronen? Welche
MehrMechanismen der synaptischen Plastizitaet. Andreas Frick MPI fuer Medizinische Forschung Heidelberg
Mechanismen der synaptischen Plastizitaet Andreas Frick MPI fuer Medizinische Forschung Heidelberg Hippocampus - deklaratives Gedaechtnis Hebbsche Synapse Donald Hebb (1949): "When an axon of cell A is
Mehr1. Kommunikation Informationsweiterleitung und -verarbeitung
1. Kommunikation Informationsweiterleitung und -verarbeitung Sinnesorgane, Nervenzellen, Rückenmark, Gehirn, Muskeln und Drüsen schaffen die Grundlage um Informationen aus der Umgebung aufnehmen, weiterleiten,
MehrNeurobiologie. Prof. Dr. Bernd Grünewald, Institut für Bienenkunde, FB Biowissenschaften
Neurobiologie Prof. Dr. Bernd Grünewald, Institut für Bienenkunde, FB Biowissenschaften www.institut-fuer-bienenkunde.de b.gruenewald@bio.uni-frankfurt.de Freitag, 8. Mai um 8 Uhr c.t. Synapsen II Die
MehrWas versteht man unter partiellen (fokalen) epileptischen Anfällen? Welche Unterformen gibt es?
Was versteht man unter partiellen (fokalen) epileptischen Anfällen? Welche Unterformen gibt es? Nennen Sie zwei genetische Faktoren, die zu einer Hirnschädigung führen können. Geben Sie je ein Beispiel
MehrLernen und Gedächtniss
Lernen und Gedächtniss Lernen und Gedächtniss - Definitionen Explizites Gedächtniss codiert Information über eigene Situation Lebenserfahrungen und auch Sachwissen ist auf kognitive Prozesse angewiesen
MehrSynaptische Übertragung und Neurotransmitter
Proseminar Chemie der Psyche Synaptische Übertragung und Neurotransmitter Referent: Daniel Richter 1 Überblick Synapsen: - Typen / Arten - Struktur / Aufbau - Grundprinzipien / Prozesse Neurotransmitter:
MehrÜbung 6 Vorlesung Bio-Engineering Sommersemester Nervenzellen: Kapitel 4. 1
Bitte schreiben Sie Ihre Antworten direkt auf das Übungsblatt. Falls Sie mehr Platz brauchen verweisen Sie auf Zusatzblätter. Vergessen Sie Ihren Namen nicht! Abgabe der Übung bis spätestens 21. 04. 08-16:30
MehrDas Ruhemembranpotential eines Neurons
Das Ruhemembranpotential eines Neurons An diesem Ungleichgewicht sind 4 Arten von Ionen maßgeblich beteiligt: - Natriumionen (Na + ) (außen viel) - Kaliumionen (K + ) (innen viel) - Chloridionen (Cl -
MehrLichtsinnesorgan Auge. Augentypen und visuelle Fähigkeiten bei Wirbellosen Tieren sind äußerst unterschiedlich.
Augentypen und visuelle Fähigkeiten bei Wirbellosen Tieren sind äußerst unterschiedlich. Wirbeltierauge Die Hauptteile des Wirbeltierauges sind: die Hornhaut (Cornea) und die Sklera als schützende Außenhaut
MehrNeurobiologie. Prof. Dr. Bernd Grünewald, Institut für Bienenkunde, FB Biowissenschaften
Neurobiologie Prof. Dr. Bernd Grünewald, Institut für Bienenkunde, FB Biowissenschaften www.institut-fuer-bienenkunde.de b.gruenewald@bio.uni-frankfurt.de Synapsen II Die postsynaptische Membran - Synapsentypen
MehrEin selbstmodellierendes System für die Wasserwirtschaft
Ein selbstmodellierendes System für die Wasserwirtschaft Dipl.-Ing. Dr. ANDRADE-LEAL Wien, im Juli 2001 1 Einleitung, Motivation und Voraussetzungen Künstliche Intelligenz Neuronale Netze Experte Systeme
Mehr1 Bau von Nervenzellen
Neurophysiologie 1 Bau von Nervenzellen Die funktionelle Einheit des Nervensystems bezeichnet man als Nervenzelle. Dendrit Zellkörper = Soma Zelllkern Axon Ranvier scher Schnürring Schwann sche Hüllzelle
MehrBeide bei Thieme ebook
Beide bei Thieme ebook Neurophysiologie 1) Funktionelle Anatomie 2) Entstehung nervaler Potentiale 3) Erregungsfortleitung 4) Synaptische Übertragung 5) Transmitter und Reflexe 6) Vegetatives Nervensystem
MehrMesstechnik und Modellierung in der Kardiologie
Messtechnik und Modellierung in der Kardiologie Elektrophysiologie Erregungsausbreitung Gliederung Wiederholung Zelluläre Elektrophysiologie Grundlagen Hodgkin-Huxley Modell Beeler-Reuter Modell Luo-Rudy
MehrDas EEG: Spontan-EEG und EKP
Das EEG: Spontan-EEG und EKP Biopsychologische Vertiefung Katja Bertsch Psychophysiologisches Labor Gliederung 1. EEG-Erhebung Labor Elektroden Artefakte 2. Spontan-EEG Frequenzbänder Fourier Transformation
MehrIntegrative Leistungen des ZNS, kortikale und thalamischer Verschaltung, Elektroenzephalographie (EEG)
Integrative Leistungen des ZNS, kortikale und thalamischer Verschaltung, Elektroenzephalographie (EEG) Teil 1 Dr. Dr. Marco Weiergräber Sommersemester 2006 1 Übersicht Aufbau des Neokortex Neurophysiologische
MehrZentrales Nervensystem
Zentrales Nervensystem Funktionelle Neuroanatomie (Struktur und Aufbau des Nervensystems) Evolution des Menschen Neurophysiologie (Ruhe- und Aktionspotenial, synaptische Übertragung) Fakten und Zahlen
MehrBACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON
BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON EINFÜHRUNG IN KÜNSTLICHE NEURONALE NETZE Modul Leitung Technischer Datenschutz und Mediensicherheit Nils Tekampe Vortrag Jasmin Sunitsch Abgabe
MehrTheory Swiss German (Liechtenstein) Lies die Anweisungen in dem separaten Umschlag, bevor Du mit dieser Aufgabe beginnst.
Q2-1 Nichtlineare Dynamik in Stromkreisen (10 Punkte) Lies die Anweisungen in dem separaten Umschlag, bevor Du mit dieser Aufgabe beginnst. Einleitung Bistabile nichtlineare halbleitende Komponenten (z.b.
MehrDas synaptische Interaktionsgeflecht
Synaptische Integration und Plastizität. Synaptische Mechanismen von Lernen und Gedächtnis Das synaptische Interaktionsgeflecht Praesynapse Praesynapse Postsynapse Astroglia Verrechnung (Integration) an
MehrNeuronale Netze in der Phonetik: Grundlagen. Pfitzinger, Reichel IPSK, LMU München {hpt 24.
Neuronale Netze in der Phonetik: Grundlagen Pfitzinger, Reichel IPSK, LMU München {hpt reichelu}@phonetik.uni-muenchen.de 24. Mai 2006 Inhalt Einführung Maschinelles Lernen Lernparadigmen Maschinelles
MehrSelective visual attention ensures constancy of sensory representations: Testing the influence of perceptual load and spatial competition
Selective visual attention ensures constancy of sensory representations: Testing the influence of perceptual load and spatial competition Detlef Wegener, F. Orlando Galashan, Dominique N. Markowski, Andreas
MehrFarbensehen. Wahrnehmung verschiedener Wellenlängen des Lichtes. nm
Farbensehen Farbensehen Wahrnehmung verschiedener Wellenlängen des Lichtes nm 450 500 550 600 650 Farben entstehen durch unterschiedliche Absorptions- und Reflektionseigenschaften von Objekten und bieten
MehrProtokoll. Biologische Übungen III Donnerstag, Kurs 4 Sehen. Arbeitsgruppe D6: Clara Dees Susanne Duncker Anja Hartmann Kristin Hofmann
Biologische Übungen III Donnerstag, 27.11.2003 Kurs 4 Sehen Arbeitsgruppe D6: Clara Dees Susanne Duncker Anja Hartmann Kristin Hofmann Protokoll 1. Einleitung: In diesem Kurs wurden zunächst Versuche zur
MehrKünstliche Neuronale Netze
Künstliche Neuronale Netze als Möglichkeit, einer Maschine das Lesen beizubringen Anja Bachmann 18.12.2008 Gliederung 1. Motivation 2. Grundlagen 2.1 Biologischer Hintergrund 2.2 Künstliche neuronale Netze
MehrDer Backpropagation-Algorithmus als Beispiel für Lernalgorithmen künstlicher neuronaler Netze Reinhard Eck 1
Der Backpropagation-Algorithmus als Beispiel für Lernalgorithmen künstlicher neuronaler Netze 2.04.2006 Reinhard Eck Was reizt Informatiker an neuronalen Netzen? Wie funktionieren Gehirne höherer Lebewesen?
MehrWir haben in den vorherigen Kapiteln verschiedene Verfahren zur Regression und Klassifikation kennengelernt (z.b. lineare Regression, SVMs)
6. Neuronale Netze Motivation Wir haben in den vorherigen Kapiteln verschiedene Verfahren zur Regression und Klassifikation kennengelernt (z.b. lineare Regression, SVMs) Abstrakt betrachtet sind alle diese
MehrTransmitterstoff erforderlich. und Tremor. Potenziale bewirken die Erregungsübertragung zwischen den Nervenzellen. Begriffen
4 Kapitel 2 Nervensystem 2 Nervensystem Neurophysiologische Grundlagen 2.1 Bitte ergänzen Sie den folgenden Text mit den unten aufgeführten Begriffen Das Nervensystem besteht aus 2 Komponenten, dem und
MehrFunktionsprinzipien von Synapsen
17.3.2006 Funktionsprinzipien von Synapsen Andreas Draguhn Aufbau Transmitter und präsynaptische Vesikel Postsynaptische Rezeptoren Funktion einzelner Synapsen Prinzipien der Informationsverarbeitung:
MehrVon der Synapse zum Lerneffekt
Powered by Seiten-Adresse: https://www.gesundheitsindustriebw.de/de/fachbeitrag/aktuell/von-der-synapse-zumlerneffekt/ Von der Synapse zum Lerneffekt Was Hänschen nicht lernt, lernt Hans nimmermehr - so
MehrModelle zur Beschreibung von Schwellwertphänomenen in Nervenmembranen Fitzhugh-Nagumo-Gleichungen
Modelle zur Beschreibung von Schwellwertphänomenen in Nervenmembranen Fitzhugh-Nagumo-Gleichungen Katrin Schmietendorf Vortrag im Rahmen der Veranstaltung Numerische Methoden für Dynamische Systeme SoSe
MehrNeurosensorik - Touch Zentrale Verarbeitung
Neurosensorik - Touch Zentrale Verarbeitung Jutta Kretzberg 26.1.2006 http://www.uni-oldenburg.de/sinnesphysiologie/ 3 Vorlesungstermine Fühlen Überblick über verschiedene Aspekte des Fühlens Somatosensorik
Mehr1. Grundlagen. 2. Signalleitungs-Qualität. 3. Signalleitungs-Geschwindigkeit
1. Grundlagen 2. Signalleitungs-Qualität 3. Signalleitungs-Geschwindigkeit Beschreibung der Zellmembran mitsamt Kanälen und Na-K- Pumpe durch ein Ersatzschaltbild Dieses wird je nach Anwendung vereinfacht.
MehrSynapsen und synaptische Integration: Wie rechnet das Gehirn?
Synapsen und synaptische Integration: Wie rechnet das Gehirn? Kontaktstellen zwischen Neuronen, oder zwischen Neuronen und Muskel (neuromuskuläre Synapse) Entsprechend der Art ihrer Übertragung unterscheidet
MehrSystem Neuron, Membran, Ionenkanal, Synapse, Gehirn, Netzhaut, Fototransduktion, Farbwahrnehmung, Kontrastwahrnehmung
Leistungskurs Q 2: Hinweis: Thema, Inhaltsfelder, inhaltliche Schwerpunkte und Kompetenzen hat die Fachkonferenz der Beispielschule verbindlich vereinbart. In allen anderen Bereichen sind Abweichungen
MehrNeuronale Grundlagen bei ADHD. (Attention Deficit/Hyperactivity Disorder) Mechanismen der Ritalinwirkung. Dr. Lutz Erik Koch
Neuronale Grundlagen bei ADHD (Attention Deficit/Hyperactivity Disorder) Mechanismen der Ritalinwirkung Dr. Lutz Erik Koch Die Verschreibung von Ritalin bleibt kontrovers Jeden Tag bekommen Millionen von
MehrNeuroinformatik. Übung 1
Neuroinformatik Übung 1 Fabian Bürger Raum: BC419, Tel.: 0203-379 - 3124, E-Mail: fabian.buerger@uni-due.de Fabian Bürger (fabian.buerger@uni-due.de) Neuroinformatik: Übung 1 1 / 27 Organisatorisches Neuroinformatik:
MehrEinleitung: Der Versuchstag befasst sich mit der Simulation von Aktionspotentialen mittels des Hodgkin-Huxley- Modells.
Einleitung: Der Versuchstag befasst sich mit der Simulation von Aktionspotentialen mittels des Hodgkin-Huxley- Modells. Viele Einzelheiten über die elektrische Aktivität von Nerven resultierten aus Experimenten
MehrElektrophysiologischer Nachweis langsam leitender Pyramidenbahnfasern
Medizinische Fakultät Charité Universitätsmedizin Berlin Campus Benjamin Franklin Aus der Klinik für Neurologie Direktor Prof. Dr. med M. Endres Abteilung klinische Neurophysiologie Abteilungsleiter Prof.
MehrNeurobiologische Grundlagen einfacher Formen des Lernens
Professur für Allgemeine Psychologie Vorlesung im WS 2011/12 Lernen und Gedächtnis Neurobiologische Grundlagen einfacher Formen des Lernens Prof. Dr. Thomas Goschke Neurowissenschaftliche Gedächtnisforschung
MehrDatenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?
Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn Adrian Neumann 16. Januar 2014 Übersicht Biologische Inspiration Stand der Kunst in Objekterkennung auf Bildern Künstliche Neuronale
MehrGefühl*** vorher / nachher. Situation* Essen (was und wie viel?) Ess- Motiv** Tag Datum Frühstück Zeit: Allgemeines Befinden
Name: Größe: cm Gewicht: kg Alter: Jahre Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation*
Mehr4. Dämpfungsmodelle. 4.1 Grundlagen 4.2 Viskose Dämpfung 4.3 Modale Dämpfung 4.4 Rayleigh-Dämpfung 4.5 Strukturdämpfung. Elastodynamik 3.
4. Dämpfungsmodelle 4.1 Grundlagen 4.2 Viskose Dämpfung 4.3 Modale Dämpfung 4.4 Rayleigh-Dämpfung 4.5 Strukturdämpfung 3.4-1 4.1 Grundlagen Dämpfung ist ein Prozess, bei dem Energie dissipiert wird. Dabei
Mehr6.2.6 Ohmsches Gesetz ******
6..6 ****** Motivation Das Ohmsche Gesetz wird mithilfe von verschiedenen Anordnungen von leitenden Drähten untersucht. Experiment 6 7 8 9 0 Abbildung : Versuchsaufbau. Die Ziffern bezeichnen die zehn
MehrProf. Dr. Stefan Schuster Lehrstuhl für Tierphysiologie
Prof. Dr. Stefan Schuster Lehrstuhl für Tierphysiologie Tierphysiologie = Wie Tiere funktionieren Welche Anpassungen. Leistungen, Moleküle etc sie einsetzen um zu leben und möglichst am Leben zu beiben
MehrWas bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen
Was bisher geschah Lernen: überwachtes Lernen korrigierendes Lernen bestärkendes Lernen unüberwachtes Lernen biologisches Vorbild neuronaler Netze: Neuron (Zellkörper, Synapsen, Axon) und Funktionsweise
MehrGenerierung eines APs
Generierung eines APs Interessante Bemerkungen: Die Zahl der Ionen, die während eines Aps in Bewegung sind, ist verglichen mit der Gesamtzahl der Ionen innerhalb und außerhalb eines Neurons sehr gering!
Mehr6.4.4 Elihu-Thomson ****** 1 Motivation
V644 6.4.4 ****** 1 Motivation Ein als Sekundärspule dienender geschlossener Aluminiumring wird durch Selbstinduktion von der Primärspule abgestossen und in die Höhe geschleudert. Ein offener Aluminiumring
MehrNeuronale Netze. Tilo Buschmann 5. März 2003
Neuronale Netze Tilo Buschmann 5. März 2003 1 1 Grenzen herkömmlicher Programmiermethoden bisher kennen und benutzen wir nur herkömmliche Algorithmen hauptsächlich binär orientiert eingeschränkt in Programmiersprachen
MehrAufbau und Funktion von Neuronen Neuronale Informationsverarbeitung und Grundlagen der Wahrnehmung Plastizität und Lernen
Grundkurs Q 2: Inhaltsfeld: IF 4 (Neurobiologie) Unterrichtsvorhaben V: Molekulare und zellbiologische Grundlagen der neuronalen Informationsverarbeitung Wie ist das Nervensystem des Menschen aufgebaut
MehrTheory Austrian German (Austria) Lies, bitte, bevor du mit der Aufgabe beginnst die allgemeinen Anweisungen im separaten Briefumschlag.
Q2-1 Nichtlineare Dynamik in Stromkreisen (10 points) Lies, bitte, bevor du mit der Aufgabe beginnst die allgemeinen Anweisungen im separaten Briefumschlag. Einleitung Bistabile nichtlineare halbleitende
MehrVorlesung Neurophysiologie
Vorlesung Neurophysiologie Detlev Schild Abt. Neurophysiologie und zelluläre Biophysik dschild@gwdg.de Vorlesung Neurophysiologie Detlev Schild Abt. Neurophysiologie und zelluläre Biophysik dschild@gwdg.de
Mehrneurologische Grundlagen Version 1.3
neurologische Grundlagen Version 1.3 ÜBERBLICK: Neurone, Synapsen, Neurotransmitter Neurologische Grundlagen Zentrale Vegetatives Peripheres Überblick: Steuersystem des menschlichen Körpers ZNS Gehirn
MehrElektrotechnik und Elektronik für Informatiker
Elektrotechnik und Elektronik für Informatiker Band 1 Grundgebiete der Elektrotechnik Von Prof. Dr.-Ing. Reinhold Paul Technische Universität Hamburg-Harburg 2., durchgesehene Auflage Mit 282 Bildern und
MehrComputational Intelligence 1 / 20. Computational Intelligence Künstliche Neuronale Netze Perzeptron 3 / 20
Gliederung / Künstliche Neuronale Netze Perzeptron Einschränkungen Netze von Perzeptonen Perzeptron-Lernen Perzeptron Künstliche Neuronale Netze Perzeptron 3 / Der Psychologe und Informatiker Frank Rosenblatt
MehrFortleitung des Aktionspotentials
Fortleitung des Aktionspotentials außen innen g K Ströme während des Aktionspotentials Ruhestrom: gleich starker Ein- und Ausstrom von K+ g Na Depolarisation: Na+ Ein- Strom g K Repolarisation: verzögerter
MehrEinführung in die moderne Psychologie
WZ 04 Donald O. Hebb Einführung in die moderne Psychologie Neu übersetzt nach der dritten völlig überarbeiteten Auflage von Hermann Rademacker A 015784 Landes-Lehrer-Bibliothek des Fürstentums Li2ci:tcnstsin
MehrBiologische Grundlagen der Elektrogenese
Proseminar: Elektrophysiologie kognitiver Prozesse WS 2008/2009 Dozentin: Dr. Nicola Ferdinand Referent: Michael Weigl Biologische Grundlagen der Elektrogenese Ein Überblick Zum Einstieg Die Gliederung
Mehrneurologische Grundlagen Version 1.3
neurologische Version 1.3 ÜBERBLICK: Überblick: Steuersystem des menschlichen Körpers ZNS Gehirn Rückenmark PNS VNS Hirnnerven Sympathicus Spinalnerven Parasympathicus 1 ÜBERBLICK: Neurone = Nervenzellen
MehrNeurochipexposition mit generischem UMTS-Signal
Neurochipexposition mit generischem UMTS-Signal Anlage 2 zum Abschlussbericht zum Projekt: Untersuchung zu Mechanismen an Zellen unter Exposition mit hochfrequenten elektromagnetischen Feldern der Mobilfunktechnologie
MehrSpektralanalyse physiologischer Signale
Spektralanalyse physiologischer Signale Dr. rer. nat. Axel Hutt Vorlesung 1 - WS 2016/17 über mich Studium der Physik an U Stuttgart Promotion: Nichtlineare Dynamik in Gehirnsignalen Forschung in Neurowissenschaften
MehrBeziehung zwischen Strom und Spannung
Beziehung zwischen Strom und Spannung Explizit kein Ohm sches Verhalten; keine elektrische Leitfähigkeit im üblichen Sinne Beschleunigte Elektronen im Vakuum (Kathodenstrahlröhre) Elektronentransfer in
MehrNeurobiologie des Lernens. Hebb Postulat Die synaptische Verbindung von zwei gleichzeitig erregten Zellen wird verstärkt
Neurobiologie des Lernens Hebb Postulat 1949 Die synaptische Verbindung von zwei gleichzeitig erregten Zellen wird verstärkt Bliss & Lomo fanden 1973 langdauernde Veränderungen der synaptischen Aktivität,
MehrSchematische Übersicht über das Nervensystem eines Vertebraten
Schematische Übersicht über das Nervensystem eines Vertebraten Die Integration des sensorischen Eingangs und motorischen Ausgangs erfolgt weder stereotyp noch linear; sie ist vielmehr durch eine kontinuierliche
MehrFarbensehen. Wahrnehmung verschiedener Wellenlängen des Lichtes. nm
Farbensehen Farbensehen Wahrnehmung verschiedener Wellenlängen des Lichtes nm 450 500 550 600 650 Farben entstehen durch unterschiedliche Absorptions- und Reflektionseigenschaften von Objekten und bieten
Mehr