Aplicações da teoria da informação à neurociência
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista Brasileira de Ensino de Física (Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1806-11172019000200414 |
Resumo: | Resumo Neurônios respondem a estímulos externos emitindo sequências de potenciais de ação (trens de disparos). Desse modo, pode-se dizer que o trem de disparos é a resposta neuronal a um estímulo de entrada. Potenciais de ação são fenômenos do tipo “tudo ou nada”, isto é, um trem de disparos pode ser representado por uma sequência de zeros e uns. No contexto da teoria da informação, pode-se então questionar: quanta informação acerca do estímulo externo o trem de disparos carrega? Ou ainda, quais aspectos do estímulo são codificados pela resposta neuronal? Neste artigo, faz-se uma introdução à teoria da informação em que são apresentados aspectos históricos, conceitos fundamentais da teoria e aplicações à neurociência. A conexão com a neurociência é feita com o uso de demonstrações e discussões de diferentes métodos da teoria da informação. Exemplos são fornecidos com o uso de simulações computacionais de dois modelos de neurônios, o neurônio Poisson e o neurônio integra-e-dispara, e um modelo de rede de autômatos celulares. No ultimo caso, demonstra-se como se pode utilizar medidas da teoria da informação para reconstruir a matriz de conectividade de uma rede. Todos os códigos utilizados para estas simulações foram disponibilizados publicamente na plataforma GitHub, acessíveis pelo url: github.com/ViniciusLima94/ticodigoneural. |
id |
SBF-1_94f7123c9046d0da51ad417eb1e7a1f3 |
---|---|
oai_identifier_str |
oai:scielo:S1806-11172019000200414 |
network_acronym_str |
SBF-1 |
network_name_str |
Revista Brasileira de Ensino de Física (Online) |
repository_id_str |
|
spelling |
Aplicações da teoria da informação à neurociênciateoria da informaçãoneurociênciasimulação computacionalneurôniosResumo Neurônios respondem a estímulos externos emitindo sequências de potenciais de ação (trens de disparos). Desse modo, pode-se dizer que o trem de disparos é a resposta neuronal a um estímulo de entrada. Potenciais de ação são fenômenos do tipo “tudo ou nada”, isto é, um trem de disparos pode ser representado por uma sequência de zeros e uns. No contexto da teoria da informação, pode-se então questionar: quanta informação acerca do estímulo externo o trem de disparos carrega? Ou ainda, quais aspectos do estímulo são codificados pela resposta neuronal? Neste artigo, faz-se uma introdução à teoria da informação em que são apresentados aspectos históricos, conceitos fundamentais da teoria e aplicações à neurociência. A conexão com a neurociência é feita com o uso de demonstrações e discussões de diferentes métodos da teoria da informação. Exemplos são fornecidos com o uso de simulações computacionais de dois modelos de neurônios, o neurônio Poisson e o neurônio integra-e-dispara, e um modelo de rede de autômatos celulares. No ultimo caso, demonstra-se como se pode utilizar medidas da teoria da informação para reconstruir a matriz de conectividade de uma rede. Todos os códigos utilizados para estas simulações foram disponibilizados publicamente na plataforma GitHub, acessíveis pelo url: github.com/ViniciusLima94/ticodigoneural.Sociedade Brasileira de Física2019-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S1806-11172019000200414Revista Brasileira de Ensino de Física v.41 n.2 2019reponame:Revista Brasileira de Ensino de Física (Online)instname:Sociedade Brasileira de Física (SBF)instacron:SBF10.1590/1806-9126-rbef-2018-0197info:eu-repo/semantics/openAccessCordeiro,Vinícius LimaPena,Rodrigo Felipe de OliveiraCeballos,Cesar Augusto CelisShimoura,Renan OliveiraRoque,Antonio Carlospor2018-11-22T00:00:00Zoai:scielo:S1806-11172019000200414Revistahttp://www.sbfisica.org.br/rbef/https://old.scielo.br/oai/scielo-oai.php||marcio@sbfisica.org.br1806-91261806-1117opendoar:2018-11-22T00:00Revista Brasileira de Ensino de Física (Online) - Sociedade Brasileira de Física (SBF)false |
dc.title.none.fl_str_mv |
Aplicações da teoria da informação à neurociência |
title |
Aplicações da teoria da informação à neurociência |
spellingShingle |
Aplicações da teoria da informação à neurociência Cordeiro,Vinícius Lima teoria da informação neurociência simulação computacional neurônios |
title_short |
Aplicações da teoria da informação à neurociência |
title_full |
Aplicações da teoria da informação à neurociência |
title_fullStr |
Aplicações da teoria da informação à neurociência |
title_full_unstemmed |
Aplicações da teoria da informação à neurociência |
title_sort |
Aplicações da teoria da informação à neurociência |
author |
Cordeiro,Vinícius Lima |
author_facet |
Cordeiro,Vinícius Lima Pena,Rodrigo Felipe de Oliveira Ceballos,Cesar Augusto Celis Shimoura,Renan Oliveira Roque,Antonio Carlos |
author_role |
author |
author2 |
Pena,Rodrigo Felipe de Oliveira Ceballos,Cesar Augusto Celis Shimoura,Renan Oliveira Roque,Antonio Carlos |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Cordeiro,Vinícius Lima Pena,Rodrigo Felipe de Oliveira Ceballos,Cesar Augusto Celis Shimoura,Renan Oliveira Roque,Antonio Carlos |
dc.subject.por.fl_str_mv |
teoria da informação neurociência simulação computacional neurônios |
topic |
teoria da informação neurociência simulação computacional neurônios |
description |
Resumo Neurônios respondem a estímulos externos emitindo sequências de potenciais de ação (trens de disparos). Desse modo, pode-se dizer que o trem de disparos é a resposta neuronal a um estímulo de entrada. Potenciais de ação são fenômenos do tipo “tudo ou nada”, isto é, um trem de disparos pode ser representado por uma sequência de zeros e uns. No contexto da teoria da informação, pode-se então questionar: quanta informação acerca do estímulo externo o trem de disparos carrega? Ou ainda, quais aspectos do estímulo são codificados pela resposta neuronal? Neste artigo, faz-se uma introdução à teoria da informação em que são apresentados aspectos históricos, conceitos fundamentais da teoria e aplicações à neurociência. A conexão com a neurociência é feita com o uso de demonstrações e discussões de diferentes métodos da teoria da informação. Exemplos são fornecidos com o uso de simulações computacionais de dois modelos de neurônios, o neurônio Poisson e o neurônio integra-e-dispara, e um modelo de rede de autômatos celulares. No ultimo caso, demonstra-se como se pode utilizar medidas da teoria da informação para reconstruir a matriz de conectividade de uma rede. Todos os códigos utilizados para estas simulações foram disponibilizados publicamente na plataforma GitHub, acessíveis pelo url: github.com/ViniciusLima94/ticodigoneural. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-01-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1806-11172019000200414 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1806-11172019000200414 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/1806-9126-rbef-2018-0197 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Física |
publisher.none.fl_str_mv |
Sociedade Brasileira de Física |
dc.source.none.fl_str_mv |
Revista Brasileira de Ensino de Física v.41 n.2 2019 reponame:Revista Brasileira de Ensino de Física (Online) instname:Sociedade Brasileira de Física (SBF) instacron:SBF |
instname_str |
Sociedade Brasileira de Física (SBF) |
instacron_str |
SBF |
institution |
SBF |
reponame_str |
Revista Brasileira de Ensino de Física (Online) |
collection |
Revista Brasileira de Ensino de Física (Online) |
repository.name.fl_str_mv |
Revista Brasileira de Ensino de Física (Online) - Sociedade Brasileira de Física (SBF) |
repository.mail.fl_str_mv |
||marcio@sbfisica.org.br |
_version_ |
1752122424002871296 |