Inhalt des Dokuments
Neuronale Informationsverarbeitung
Wir beschäftigen uns mit den Grundlagen der Informationsverarbeitung in biologischen Systemen. Einerseits möchten wir die Funktionsmechanismen unseres Gehirns verstehen, andererseits machen wir uns die Strategien biologischer Systeme in Anwendungen maschinellen Lernens zu Nutze. Unsere Forschungsinteressen sind thematisch in drei Bereiche unterteilt.
Modelle neuronaler Systeme:
In Zusammenarbeit mit Neurobiologen und Klinikern erforschen wir die Mechanismen der Informationsverarbeitung im visuellen System. Die Forschungsthemen behinhalten: Kortikale Dynamik, die Repräsentation visueller Information, Adaptation und Plastizität, sowie die Rolle von Rückkopplung. Seit jüngerer Zeit beschäftigen wir uns mit dem Zusammenhang von Wahrnehmung und kognitiven Funktionen. Hier untersuchen wir mathematische Modelle der Entscheidungsfindung in unbekannten Umgebungen hinsichtlich der Frage, wie die zugrunde liegenden Prozesse mit Wahrnehmung und Gedächtnis wechselwirken.
Maschinelles Lernen und neuronale Netze:
Hier befassen wir uns mit dem künstlichen Erlernen von Zusammenhängen anhand von Beispielen, um Vorhersagen und Entscheidungen zu treffen. Die Forschungsthemen umfassen: Lernen geeigneter Darstellungen/Abbildungen, aktive und halbüberwachte Lernverfahren, sowie Prototyp-bezogene Methoden. Inspiriert durch die Modell-basierte Erforschung jener Vorgänge, welche für die Entscheidungsfindung eine zentrale Rolle spielen, haben wir begonnen Belohnungs- bzw. Bestrafungs-Lernen zu untersuchen und erweitern. Zusammen mit Spezialisten aus verschiedenen Anwendungsbereichen setzen wir maschinelles Lernen etwa zur Wiedergewinnung von Informationen ein, für maschinelles Sehen oder in der Chemoinformatik.
Analyse neuronaler Daten:
Hier wenden wir maschinelles Lernen und statistische Verfahren zur Analyse multivariater biometrischer Daten an, insbesondere Daten, welche eine Grundlage für unsere computergestützten Studien neuronaler Systeme bilden. Die Forschungsthemen variieren und beinhalten gegenwärtig Spike-sorting und die Analyse von Multi-Tetroden Aufnahmen, Konfokalmikroskopie und 3D-Rekonstruktionsmethoden, sowie die Analyse von Daten bildgebender Verfahren. Seit Kurzem beschäftigen wir uns mit der Analyse multimodaler Daten und korrelieren beispielsweise anatomische, genetische, und Bilddatensätze.
Ausgewählte Publikationen
Zitatschlüssel | Aspart2016 |
---|---|
Autor | Aspart, F. and Ladenbauer, J. and Obermayer, K. |
Seiten | e1005206 |
Jahr | 2016 |
DOI | DOI 10.1371/ journal.pcbi.1005206 |
Journal | PLOS Computional Biology |
Jahrgang | 12 |
Nummer | 11 |
Zusammenfassung | The collective dynamics of neuronal populations can be efficiently studied using single-compartment (point) model neurons of the integrate-and-fire (IF) type. Existing point neuron models are intrinsically not able to appropriately reproduce (i) the effects of dendrites on synaptic input integration or (ii) the modulation of neuronal activity due to an electric field, which strongly depends on the dendritic morphology. Weak electric fields, as generated endogenously or through transcranial electrical stimulation, have recently gained increased attention because of their ability to modulate ongoing neuronal activity. However, the underlying mechanisms are not well understood. Here, we extend the popular spiking point neuron model class to accurately reflect input filtering and weak electric field effects as present in a canonical spatially extended “ball-and-stick” (BS) neuron model. We analytically derive additional components for two major types of IF point neuron models to exactly reproduce the subthreshold somatic voltage dynamics of the BS model with arbitrary morphology exposed to an oscillating electric field. Also the spiking dynamics for suprathreshold fluctuating inputs is well reproduced by the extended point models. Through this approach we further show that the presence of a dendritic cable (i) attenuates the somatic subthreshold response to slowly-varying inputs and (ii) mediates spike rate resonance, or equivalently, pronounced spike to field coherence, in the beta and gamma frequency range due to an oscillatory weak electric field. Our point neuron model extension is simple to implement and well suited for studying the dynamics of populations with heterogeneous neuronal morphology and the effects of weak electric fields on population activity. |
Typ der Publikation | Selected:main selected:structured selected:publications |
Zusatzinformationen / Extras
Direktzugang:
Hilfsfunktionen
Groiß, Camilla
Raum MAR 5042
Tel: +49 30 314 73442
Fax: +49 30 314 73121
E-Mail-Anfrage
Sprechzeiten:
Mi 9:00 - 11:00
Verbundprojekte in Forschung und Lehre
- Bernstein Center for Computational Neuroscience
- Research Training Group "Sensory Computation in Neural Systems"
- Graduate School Mind and Brain
- International Master-Program in Computational Neuroscience
- Einstein Center Neuroscience
- Collaborative Research Center "Control of Self-Organizing Nonlinear Systems"
- SysMedAlcoholism: Alcohol Addiction: A Systems-Oriented Approach
- Science of Intelligence (DFG Research Cluster)
- Collaborative Research Center "Mechanisms and Disturbances in Memory Consolidation"
- SMARTSTART - training program in computational neuroscience