Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/2927
Full metadata record
DC FieldValueLanguage
dc.contributor.authorVazquez Guerrero, Patricia%625406-
dc.creatorVazquez Guerrero, Patricia%625406-
dc.date.accessioned2022-02-17T18:31:34Z-
dc.date.available2022-02-17T18:31:34Z-
dc.date.issued2021-08-20-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/2927-
dc.descriptionLos avances en inteligencia artificial requieren la incorporación de mecanismos y fun- ciones de neurociencia. Sin embargo, las redes neuronales biológicas han estado utilizan- do el mismo modelo de neurona artificial simplificada durante décadas. Cada vez hay más pruebas de que la actividad de las neuronas reales depende de la actividad previa, también conocida como dependencia histórica. Esta dinámica intrínseca complementa la plasticidad sináptica proporcionando adaptabilidad a diversos estímulos. Las estructuras matemáticas naturales para incorporar la dependencia histórica en el modelado neuronal se estudian mediante el uso de derivadas de orden fraccionario. Usando ecuaciones de orden fraccionario, la dependencia histórica en la activación de las conductancias de sodio o potasio en el modelo clásico de Hodgkin-Huxley da como resultado la generación de una amplia gama de patrones de espigas, que de otro modo no serían posibles. Esta tesis presenta un circuito electrónico para probar nuestras predicciones del mode- lo matemático. Se implementó un modelo clásico de Hodgkin-Huxley que usa transistores, resistencias y capacitores. Como en el modelo, este circuito genera potenciales de acción a una tasa constante en respuesta a la corriente de entrada constante. Para incorporar la dinámica de orden fraccionario en la activación de la conductancia de potasio, usamos su- percapacitores. Los supercapacitores se utilizan tradicionalmente para el almacenamiento de energía, pero se ha demostrado que sus propiedades de carga y descarga lentas siguen una dinámica de orden fraccionario.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.subject.otherredes neuronales, plasticidad sinaptica, modelo clásico de Hodgkin-Huxley, supercapacitores.es_MX
dc.titleAnálisis de la Dinámica de una Red Neuronal Biológica con Dependencia Histórica Mediante el Modelado de un Circuito Electrónico Equivalente y su Aplicación en Neurocienciaes_MX
dc.typeinfo:eu-repo/semantics/doctoralThesises_MX
dc.contributor.directorGomez Aguilar, Jose Francisco%176461-
dc.contributor.directorSantamaria Perez, Fidel%669726es_MX
dc.folio21-0069es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmCentro Nacional de Investigación y Desarrollo Tecnológicoes_MX
Appears in Collections:Tesis de Doctorado en Ingeniería Electrónica

Files in This Item:
File Description SizeFormat 
DE_Patricia_Vazquez_Guerrero_2021.pdfTesis18.96 MBAdobe PDFView/Open
DE_Patricia_Vazquez_Guerrero_2021.pd
  Restricted Access
Cesión de derechos145.16 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons