Table of Contents
Software (libero) di simulazione reti neurali
La simulazione computazionale del cervello può seguire due approcci diversi:
- Approccio Bottom-Up: Si applica una risoluzione a livello cellulare (o perfino molecolare). Si descrive (matematicamente) il comportamento di un neurone e le interazioni tra neuroni. Si ottiene un sistema di equazioni differenziali percorsi da impulsi discreti (delta-impulses). Se i valori elaborati sono continui in tempo continuo, viene richiesta alta capacità di calcolo.
- Approccio Top-Down: Si descrive una funzione cerebrale (come la visione) e si studia come viene implementata nella aree del cervello studiando i risultati degli esami di imaging funzionale.
Per la simulazione che si occupa di grandi reti neurali vengono utilizzati due principali strategie:
- Usare un metodo di approssimazione (Runge-Kutta) con Impulsi che hanno durata proporzionale al passo discreto del simulatore
- Usare un metodo di calcolo esatto, in tempo continuo, lasciando che siano gli eventi a guidare il tempo che passa.
Nelle reti molto grandi il tempo computazionale del miglior algoritmo di entrambe le soluzioni è direttamente proporzionale con il numero delle sinapsi, ma ogni strategia ha i propri vantaggi e svantaggi: i primi sono imprecisi e danno risultati artefatti dovuti alle approssimazioni temporali, ma possono essere applicati a qualsiasi modello neuronale (anche molto complesso) Questo articolo affronta il modello di neurone più realistico I-and-F con conduttanza sinaptica esponenziale.
software in studio...
Simulatori
Esistono tre generazioni di reti neurali: http://www.igi.tugraz.at/psfiles/85a.pdf
Reti di terza generazione o SNN
software da studiare
- octave-nnet
- python-brian
- cnrun
- scilab-ann (Scilab language)
- python-pynn
- xppaut
Reti di neuroni
Simulano pochi neuroni alla volta, personalizzando anche dettagliatamente il modello matematico e misurando tensione e corrente di membrana cellulare con un multimetro virtuale. Misurano valori continui in tempo continuo