Computational Neuroscience Vorlesung WS 2005/2006 Josef Ammermüller Jutta Kretzberg http://www.uni-oldenburg.de/sinnesphysiologie/ 14508.html
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.
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.
Teildisziplin Computational Neuroscience Trappenberg 2002
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
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
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
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
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
Vergleich Experiment Hypothese
Vergleich (statistische Tests!) gemessener Mittelwert theoretischer Wert
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
modifizierte Hypothese Experiment
Induktion vs. Deduktion Induktion nie 100% wahr Ein Schwan ist weiß Alle Schwäne sind weiß Alle Vögel sind weiß Deduktion immer 100% wahr
Systemtheoretische und Neuronale Betrachtung? Hammer Fußtritt
Systemtheoretische und Neuronale Betrachtung? Hammer Fußtritt
Größenordnungen der Analyse Trappenberg 2002
(Vorläufiges) Vorlesungsprogramm 17.10.05 Motivation 24.10.05 Passive Eigenschaften von Neuronen 31.10.05 Räumliche Struktur von Neuronen 07.11.05 Aktive Eigenschaften von Neuronen 14.11.05 Das Hodgkin-Huxley Modell 21.11.05 Kodierung sensorischer Reize 28.11.05 Signal und Rauschen 05.12.05 Variabilität neuronaler Antworten 12.12.05 Synaptische Übertragung 08.01.06 Entstehung rezeptiver Felder 16.01.06 Zwei Modelle retinaler Verarbeitung 23.01.06 Populations- und Ensemble-Kodierung 30.01.06 Künstliche Neuronale Netze 06.02.06 Lernen in natürlichen und künstlichen Netzwerken