Structural plasticity as a connectivity generation and optimization algorithm in neural networks

Diaz Pier, Sandra; Morrison, Abigail Joanna Rhodes (Thesis advisor); Naumann, Uwe (Thesis advisor)

Jülich : Forschungszentrum Jülich GmbH, Zentralbibliothek, Verlag (2021)
Buch, Doktorarbeit

In: Schriften des Forschungszentrums Jülich. IAS series 47
Seite(n)/Artikel-Nr.: 1 Online-Ressource (167 Seiten) : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2021

Kurzfassung

Unsere Gehirne werden von Netzwerken aus Neuronen und anderen Zellen gebildet, die Informationen empfangen, filtern, speichern und verarbeiten und Aktionen ausführen. Die Morphologie der Neuronen verändert sich im Laufe der Zeit, ebenso wie die Verbindungen zwischen ihnen. Jahrelang wurde das Gehirn als Momentaufnahme in der Zeit untersucht, aber heute wissen wir, dass die Art und Weise, wie es sich strukturell verändert, stark am Lernen, Heilen und Anpassen beteiligt ist. Das Ensemble der strukturellen Veränderungen, die neuronale Netze im Laufe der Zeit darstellen, wird als strukturelle Plastizität bezeichnet. In dieser Arbeit stelle ich die strukturelle Plastizität von ihren neurobiologischen Grundlagen her und die Umsetzung eines Modells vor, das die Erzeugung und Optimierung der Konnektivität in neuronalen Netzen mit Spikes beschreibt. Ich habe mich auf zwei relevante und offene Fragen in der Gemeinschaft der Computational Neuroscience konzentriert: Wie können wir biologisch inspirierte strukturelle Veränderungen in Simulationen von neuronalen Netzwerken mit Spitzenbildung modellieren und wie können wir dieses Modell und seine Umsetzung zur Optimierung der Konnektivität des Gehirns nutzen, um spezifische wissenschaftliche Fragen im Zusammenhang mit Heilung, Entwicklung und Lernen zu beantworten. Ich stelle mehrere Studien vor, die die Implementierung der strukturellen Plastizität in einem gut etablierten Simulator für neuronale Netze und ihre Anwendung auf verschiedene Arten von neuronalen Netzen erklären. In dieser Arbeit habe ich auch die Anforderungen und Anwendungsfälle für die gemeinsame Entwicklung von Werkzeugen zur Visualisierung und Interaktion mit dem Algorithmus der strukturellen Plastizität definiert. Darüber hinaus stelle ich zwei wissenschaftliche Anwendungen des Strukturplastizitätsmodells in den Bereichen der klinischen Neurowissenschaften und der Informatik vor. Zusammenfassend kann ich sagen, dass meine Dissertation die Grundlage für ein Software-Framework und eine Methodik zur Behandlung komplexer neurowissenschaftlicher Fragen im Zusammenhang mit der Plastizität und den Verbindungen zwischen Struktur und Funktion im Gehirn bildet, mit möglichen Anwendungen nicht nur in den Neurowissenschaften, sondern auch für maschinelles Lernen und Optimierung.

Einrichtungen

• Fachgruppe Informatik [120000]
• Lehr- und Forschungsgebiet Neural Computation (FZ Jülich) [124920]