Servicio de Información Comunitario sobre Investigación y Desarrollo - CORDIS

Modelización de procesos aleatorios no lineales

Científicos financiados por la Unión Europea desarrollaron numerosos modelos y métodos para describir la comunicación neuronal de un modo biológicamente realista. Dichos modelos no sólo arrojan luz sobre el funcionamiento del cerebro, sino que también son importantes para otras aplicaciones del procesamiento de señales.
Modelización de procesos aleatorios no lineales
La neurociencia computacional se diferencia del aprendizaje automático en que emplea neuronas y redes del sistema nervioso realistas en términos biológicos y contempla la dinámica espaciotemporal de la conectividad en red. Para ello se necesitan modelos matemáticos de sistemas estocásticos con una ausencia de linealidad muy acusada (aleatorios). El diseño de modelos de redes neuronales constituye, pues, una estrategia excelente para desarrollar herramientas de procesamiento de señales y ampliar las fronteras de la neurociencia.

Bajo los auspicios de la Unión Europea, el equipo de científicos al cargo del proyecto COCONET elaboró modelos de redes neuronales complejas de sistemas estocásticos no lineales interactivos. El foco principal estaba en el papel de la topología de red y en la conectividad/direccionalidad en el procesamiento de la información. Estos temas se abordaron mediante una investigación asentada sobre la estadística, métodos kernel, teoría de la información y modelos de neuronas biológicas.

Entre los numerosos resultados, el equipo mostró que la actividad neuronal de fondo (ruido sináptico) puede facilitar la codificación espacio-temporal de la fuerza de la conexión con un muy retardo de tiempo muy pequeño. El equipo también logró un gran avance en el desarrollo de representaciones muy necesarias de procesos multivariante (múltiples variables que registran el mismo evento) que están bien representadas por fractales (lo cual es útil en el modelado de fenómenos parcialmente aleatorios). Aunque existen muchos modelos basados ​​en fractales para sistemas con una sola variable, los multivariante eran escasos. Estos son necesarios para representar, por ejemplo, registros simultáneos de la actividad cerebral por numerosos sensores o electrodos que cubren el cuero cabelludo.

El equipo también estudió el acoplamiento instantáneo de señales y los casos en que dos señales parecen acoplarse pero en realidad no están acopladas. Un modelo especial de coherencia aportó nuevos datos sobre la comunicación cerebral durante el sueño.

Se ha presentado un enfoque matemático original para el estudio de la conectividad en las redes a un público más amplio en una conferencia internacional sobre el procesamiento de señales. Finalmente, todo lo anterior se incorpora en un conjunto de procedimientos para el estudio de la conectividad en red . Es de libre acceso en código Matlab y Python a través de la página web del GIPSA-lab.

El equipo de científicos de COCONET desarrolló modelos matemáticos avanzados de sistemas estocásticos no lineales y los aplicó a estudios de la interconectividad cerebral y el procesamiento de señales. Los métodos desarrollados son igualmente aplicables a otros sistemas y campos, incluyendo la economía y los tipos de cambio de divisas. Los modelos han proporcionado información sobre la naturaleza de la representación de las señales en el cerebro, y podrían encontrar uso en interfaces cerebro-ordenador, prótesis e incluso el tratamiento de la epilepsia.

Información relacionada

Palabras clave

Cerebro, procesamiento de señales, neurociencia, conectividad, sistemas no lineales
Síganos en: RSS Facebook Twitter YouTube Gestionado por la Oficina de Publicaciones de la UE Arriba