Computational Neuroscience

Transkript

1 Computational Neuroscience Vorlesung WS 2005/2006 Josef Ammermüller Jutta Kretzberg html

2 Begriffsdefinitionen Computational Neuroscience Churchland & Sejnowski, 1992: Computational Neuroscience is an evolving approach that aims to discover the properties characterizing and the principles governing neurons and networks of neurons. It draws on both neurobiological data and computational ideas to investigate how neural networks can produce complex effects such as stereo vision, learning, and auditory location of sound-emitting objects. To put it crudely, it has one foot in neuroscience and one foot in computer science. A third foot is firmly planted in experimental psychology, and at least a toe is in philosophy, so evidently the enterprise is multipedal.

3 Neurobiology vs. Computational Neuroscience Shepherd, 1988: The main aim of neurobiology... is to identify the principles underlying the mechanisms through which the nervous system mediates behaviour. Trappenberg, 2002: Computational neuroscience is the theoretical study of the brain to uncover the principles and mechanisms that guide the development, organization, information processing, and mental abilities of the nervous system.

4 Teildisziplin Computational Neuroscience Trappenberg 2002

5 Begriffsklärungen Verhalten: Allgemein: Einnehmen eines Zustands durch ein System Biologisch: beobachtbare körperliche Reaktionen System: Eine Einheit aus zueinander in Beziehung stehenden Teilen Prinzip: Allgemeingültige Regel Mechanismus: Prozess, der als Teil einer Kausalkette zu einem Verhalten führt

6 Begriffsklärungen Hypothese: Testbare Aussage Theorie: Geschlossenes, auf Axiomen beruhendes System zur Beschreibung eines Stücks Realität, das das Ergebnis eines kritischen Experiments vorhersagt Modell: Formalisierbare Abbildung eines Stücks Realität Simulation: Umsetzung eines Modells in eine Abfolge von Schritten

7 Begriff Information Information als Nachrichtenübermittlung: Sender Übertragung Empfänger Kodierung (Zeichen) Syntax (Struktur) Semantik (Bedeutung) Unterscheidbarkeit bestimmt den Informationsgehalt Pragmatik (Einfluss auf den Empfänger) Shannon: Information is a measure of one s freedom of choice when one selects a message

8 Schema Modell-Experiment (For a fact to have a meaning it must be seen within the context of a general principle) Empirisches System Realität (Beobachtung) Induktion (Hypothese) Theoretisches System Theorie Experiment (Modifikation, neue Hypothese) Deduktion Daten Vergleich Vorhersagen, Modelle

9 Beispiel: Ruhepotential in Neuronen Induktion (Hypothese) Elektrizitätslehre & Thermodynamik; semipermeable Membran; Kaliumelektrodenhypothese Experiment Deduktion Messung der Abhängigkeit des V von [K]o Vergleich Nernstsche Gleichung: V=k lg[k]o/[k]i

10 Vergleich Experiment Hypothese

11 Vergleich (statistische Tests!) gemessener Mittelwert theoretischer Wert

12 Beispiel: Ruhepotential in Neuronen Experiment Induktion (Hypothese) Modifikation Elektrizitätslehre & Thermodynamik; semipermeable Membran; Kaliumelektrodenhypothese Deduktion Messung der Abhängigkeit des V von [K]o Vergleich Goldmann-Hodgkin-Katz Gleichung

13 modifizierte Hypothese Experiment

14 Induktion vs. Deduktion Induktion nie 100% wahr Ein Schwan ist weiß Alle Schwäne sind weiß Alle Vögel sind weiß Deduktion immer 100% wahr

15 Systemtheoretische und Neuronale Betrachtung? Hammer Fußtritt

16 Systemtheoretische und Neuronale Betrachtung? Hammer Fußtritt

17

18 Größenordnungen der Analyse Trappenberg 2002

19 (Vorläufiges) Vorlesungsprogramm Motivation Passive Eigenschaften von Neuronen Räumliche Struktur von Neuronen Aktive Eigenschaften von Neuronen Das Hodgkin-Huxley Modell Kodierung sensorischer Reize Signal und Rauschen Variabilität neuronaler Antworten Synaptische Übertragung Entstehung rezeptiver Felder Zwei Modelle retinaler Verarbeitung Populations- und Ensemble-Kodierung Künstliche Neuronale Netze Lernen in natürlichen und künstlichen Netzwerken