Yalda Amidi (93)

چکیده: 

مدل­سازی فعالیت­های عصبی نرون­ها به هدف مطالعه دقیق­تر عملکرد مغز انسان، همواره مورد توجه محققان بوده­است. در سیستم­های عصبی، ساختارهای پیچیده و گسترده­ای وجود دارند که اثر نرون­های اطراف را بر روی فعالیت­های عصبی هر نرون کنترل می­کنند. این ساختارهای پیچیده شامل سیناپس­های دینامیکی که مقدار آن­ها در طول زمان تغییر می­کنند نیز می­شوند که اتصالات بین نرونی را شکل می­دهند. با وجود مطالعات وسیع بر روی مدل­سازی ساختارهای سیناپسی بین نرون­ها هم­چنان چالش­های متعددی در رابطه با این مساله وجود دارد. هدف اصلی این رساله ارایه مدل آماری جهت مدل­سازی رفتار نرون و اتصالات سیناپسی آن است به طوری که بتواند رفتار پیچیده سیناپس­ها را بخوبی بازسازی کند و تا حد ممکن چالش­های پژوهش­های قبلی را پوشش دهد. از جمله چالش­های موجود می­توان به تعداد زیاد سیناپس­ها و پیچیدگی محاسباتی بالای این مدل­ها اشاره کرد که متعاقبا به افزایش تعداد پارامترهای مجهول منجر می­شود. در رساله حاضر، روش نوینی برای تخمین فعالیت­های پالسی عصبی یک نرون با ده­ها اتصال سیناپس دینامیکی ارائه می­شود که بر اساس ترکیبی از فرآیند نقطه­ای مبتنی بر مدل فضای حالت و مدل بیزین بنا شده­است. برای شبیه­سازی چارچوب پیشنهادی از دو دسته داده شبیه سازی شده و داده واقعی استفاده می­شود و نتایج  با استفاده از تکنیک­های آماری شناخته شده ارزیابی می­گردد.  همچنین یکی از کاربردهای این چارچوب پیشنهادی برای مدل­سازی زمان پاسخ­گویی انسان به تحریک­های بینایی مورد بررسی قرار می­گیرد. در این مدل، از فرآیند نقطه­ای مارک­دار مبتنی بر فضای حالت استفاده می­شود که یک مدل توسعه یافته از فرآیند نقطه­ای است­. به­علاوه در بخش پایانی این پژوهش، برای ارزیابی مدل فرآیند نقطه­ای مارک­دار مبتنی بر فضای حالت دو الگوریتم معرفی می­شود که با استفاده از آن­ها می­توان میزان تطابق مدل آماری فرآیند نقطه­ای مارک­دار و داده را سنجید.