Моделирование естественного нейрона, как системы преобразования импульсных потоков С.П. Романов, д.б.н, вед. науч. сотр., Институт физиологии им. И.П. Павлова РАН А.В. Бахшиев, вед. программист, ЦНИИ Робототехники и технической кибернетики

Функциональная схема основных процессов преобразования импульсных потоков в нейроне с химической передачей

Функциональная схема модели нейрона

Функциональная схема модели i-го участка мембраны нейрона Mi

Организация структуры мембраны нейрона

Модель синапса с химической передачей

Модель ионного механизма мембраны

Эффективность синаптической передачи Влияние синапса на мембрану во времени Зависимость эффективности от отношения сопротивлений Зависимость эффективности от числа синапсов

Генератор потенциала действия

Простейшие реакции модели нейрона

Модели небольшого и крупного нейронов Модель небольшого нейрона N1 Модель крупного нейрона N2

Реакции моделей нейронов Реакции небольшого N1 (2, 3) и крупного N2 (4, 5) нейронов с синапсами на дендрите (2, 4) и соме (3, 5) в ответ на входное воздействие (1) частотой 2.5 и 100 Гц

Зависимость частоты ответов модели нейрона от частоты входной последовательности

Модели нейронов различных размеров

Реакции моделей нейронов различного размера

Частота разрядов нейрона в зависимости от размера 1 – зависимость средней частоты от числа импульсов в пачке 2 – зависимость средней частоты от числа участков сомы Зависимость числа импульсов в пачке от числа участков сомы

Пейсмекерные нейроны – часть 1

Пейсмекерные нейроны – часть 2

Пейсмекерные нейроны – часть 3 1 – частота разрядов нейрона от числа параллельных включений участков мембраны в сому 2 – частота разрядов от глубины ОС

Электрический синапс

Модель нейрона – общий вид

Нейрон с множеством устойчивых состояний мембранного потенциала

Нейрон с множеством устойчивых состояний мембранного потенциала - результаты

Взаимодействие посредством электрического синапса

Взаимодействие посредством электрического синапса - результаты

Модель афферентного нейрона

Схема возвратного торможения на примере регуляции разрядов мотонейрона

ЧЧХ мотонейрона с возвратным торможением и в его отсутствии

ПО NeuroModeler

Пример описания модели сети Model newmodel { // Объявление источника воздействий Generator source { parameter Frequency=12; } // Объявление выходов модели PulseWatch watch1{} PulseWatch watch2{} // Объявление исследуемой нейронной сети Net net { // Объявление нейрона // с одним возбуждающим входом Neuron n1 { // Объявление механизма гиперполяризации IonUnit hpu{ parameter MaxIntensity=-1; Synapse syn{} // Объявление синапса } // Объявление механизма деполяризации IonUnit dpu{ parameter MaxIntensity=1; } // Объявление генераторной зоны LTZone ltzone{} } // Связь источника воздействия с входом нейрона link source:net.n1.hpu.syn; // Связь источника воздействия с выходом 2 модели link source:watch2.input; // Связь нейрона с выходом 1 модели link net.n1:watch1.input; } Генератор (source) Генератор потенциала действия (ltzone) Механизм деполяризации (dpu) Механизм гиперполяризации (hpu) Синапс (syn) Выход 1 (watch1) Выход 2 (watch2)

Направления дальнейших исследований Исследование системы управления мышечным сокращением, включающей в себя вставочные нейроны, управляющие воздействия с высших уровней и расширенную модель мышцы с управлением по напряжению волокна и по длине. Создание модели многозвенного манипулятора с независимыми приводами в шарнирах и разработка системы управления на моделях естественных нейронов. Включение в разработанную систему управления модель системы зрения и разработка контура управления «глаз-рука». Выработка принципов построения нейронной иерархичной системы управления объектами, с последовательным наращиванием функциональности такой системы от уровня к уровню.