Es la aplicación de las matemáticas a la neurociencia, para comprender los principios subyacentes del comportamiento neuronal. Por lo general, esto se hace haciendo modelos cuantitativos (o formales), representaciones de comportamiento en términos de ecuaciones matemáticas. El propósito es formular teorías generales y, a veces, hacer predicciones sobre el comportamiento neuronal.
Dependiendo de cómo los modelos mejoran nuestra comprensión, son de 2 tipos:
1. Fenomenológico: un modelo matemático que se ajusta a los puntos de datos de un comportamiento observado en experimentos (por ejemplo, cambio potencial durante potenciales de acción en neuronas). Los componentes del modelo no tienen significados físicos. Por ejemplo, @Page en izhikevich.org
- ¿Cómo convertirse en un revisor para conferencias relacionadas con ACL (NAACL, ACL, EMNLP)? ¿Hay alguna forma de enviar una solicitud?
- ¿Pueden algunos referirse a la 'pseudociencia' como 'cuasi-ciencia'?
- ¿Cómo decidiste qué campo de investigación seguir?
- ¿Por qué soy el símbolo de la corriente eléctrica?
- Según los avances científicos actuales, ¿cuánto tiempo cree que pasará antes de que encontremos evidencia de vida extraterrestre?
2. Mecánico: las variables en realidad representan entidades físicas, el modelado requiere una visión biológica. Por lo general, tiene más éxito en hacer predicciones. Por ejemplo, la plasticidad dependiente del tiempo de espiga como regla de aprendizaje.
Ambos tipos de modelos y sus mezclas (Hodgkin clásico y Huxley, Squid Axon) son comunes en la neurociencia computacional.
Puede consultar @Categoría: neurociencia computacional para obtener información detallada.
