Servizio Comunitario di Informazione in materia di Ricerca e Sviluppo - CORDIS

Modellizzare i processi casuali non lineari

Scienziati finanziati dall’UE hanno sviluppato numerosi modelli e metodi per descrivere la comunicazione neuronale in modo biologicamente realistico. I modelli non solo hanno fatto luce sul funzionamento del cervello, ma sono anche importanti per altre applicazioni dell’elaborazione del segnale.
Modellizzare i processi casuali non lineari
Le neuroscienze computazionali si distinguono dall’apprendimento artificiale per l’utilizzo di neuroni e reti del sistema nervoso biologicamente realistici, che includono le dinamiche spaziotemporali della connettività delle reti. Tale considerazione richiede modelli matematici di sistemi stocastici altamente non lineari (random). La creazione di modelli di reti neurali è quindi un eccellente studio di caso per lo sviluppo sia di strumenti di elaborazione del segnale che di conoscenza neuroscientifica.

Gli scienziati hanno creato modelli di complesse reti neurali di sistemi stocastici non lineari interagenti, grazie al finanziamento del progetto COCONET da parte dell’UE. L’interesse principale era sul ruolo della topologia e della connettività/direzionalità delle reti nell’elaborazione delle informazioni. Queste tematiche sono state affrontate attraverso una ricerca che ha sfruttato statistica, metodi kernel, teoria delle informazioni e modelli di neuroni biologici.

Tra i numerosi risultati il team ha dimostrato che l’attività neurale di fondo (rumore sinaptico) può in realtà facilitare la codifica spaziotemporale della forza delle connessioni con uno sfasamento temporale molto piccolo. Il team ha fatto anche importanti progressi nello sviluppo di rappresentazioni di processi multivariati (variabili multiple che registrano lo stesso evento) ben rappresentate dai frattali (utili per i modelli di fenomeni parzialmente casuali); queste rappresentazioni sono estremamente importanti e necessarie. Sebbene esistano molti modelli basati sui frattali per sistemi a variabile singola, mancavano quelli multivariati, necessari per rappresentare, per esempio, le registrazioni simultanee dell’attività cerebrale da parte di più sensori o elettrodi applicati sul cuoio capelluto.

Il team ha studiato anche l’accoppiamento istantaneo del segnale e i casi in cui due segnali sembrano essere accoppiati ma in realtà non lo sono. Un modello particolare di coerenza ha fornito approfondimenti sulla comunicazione cerebrale durante gli stati di sonno.

Un approccio matematico originale per studiare la connettività nelle reti è stato presentato a un pubblico più vasto durante una conferenza internazionale sull’elaborazione del segnale. Infine un kit di strumenti contenente le procedure per studiare la connettività delle reti incorpora tutto quanto descritto sopra, ed è disponibile gratuitamente sia in codice Python che in codice Matlab sul sito web di GIPSA-lab.

Gli scienziati COCONET hanno sviluppato e applicato modelli matematici di sistemi stocastici non lineari per studiare l’interconnettività cerebrale e l’elaborazione del segnale. I metodi sviluppati sono ugualmente applicabili ad altri sistemi e campi, inclusi l’economia e i tassi di cambio delle valute. I modelli hanno fornito informazioni sulla natura della rappresentazione del segnale nel cervello, e potrebbero trovare impiego nelle interfacce cervello-computer, in protesiologia e anche nel trattamento dell’epilessia.

Informazioni correlate

Keywords

Cervello, elaborazione del segnale, neuroscienza, connettività, sistemi non lineari