En neurociencia e informática , el peso sináptico se refiere a la fuerza o amplitud de una conexión entre dos nodos, correspondiente en biología a la cantidad de influencia que el disparo de una neurona tiene sobre otra. El término se usa típicamente en la investigación de redes neuronales artificiales y biológicas . [1]
Cálculo
En una red neuronal computacional, un vector o conjunto de entradas y salidas , o neuronas presinápticas y postsinápticas respectivamente, están interconectadas con pesos sinápticos representados por la matriz , donde para una neurona lineal
- .
donde las filas de la matriz sináptica representan el vector de pesos sinápticos para la salida indexada por .
El peso sináptico se cambia mediante el uso de una regla de aprendizaje, la más básica de las cuales es la regla de Hebb , que generalmente se expresa en términos biológicos como
Las neuronas que se disparan juntas, se conectan juntas.
Computacionalmente, esto significa que si una gran señal de una de las neuronas de entrada da como resultado una gran señal de una de las neuronas de salida, entonces aumentará el peso sináptico entre esas dos neuronas. Sin embargo, la regla es inestable y, por lo general, se modifica utilizando variaciones como la regla de Oja , las funciones de base radial o el algoritmo de retropropagación .
Biología
Para las redes biológicas, el efecto de los pesos sinápticos no es tan simple como para las neuronas lineales o el aprendizaje hebbiano . Sin embargo, los modelos biofísicos como la teoría BCM han tenido cierto éxito en la descripción matemática de estas redes.
En el sistema nervioso central de los mamíferos , la transmisión de señales se lleva a cabo mediante redes interconectadas de células nerviosas o neuronas. Para la neurona piramidal básica , la señal de entrada es transportada por el axón , que libera sustancias químicas neurotransmisoras en la sinapsis que son recogidas por las dendritas de la siguiente neurona, que luego puede generar un potencial de acción que es análogo a la señal de salida en el caso computacional.
El peso sináptico en este proceso está determinado por varios factores variables:
- Qué tan bien se propaga la señal de entrada a través del axón (ver mielinización ),
- La cantidad de neurotransmisor liberado en la sinapsis y la cantidad que puede absorberse en la siguiente célula (determinada por la cantidad de receptores AMPA y NMDA en la membrana celular y la cantidad de calcio intracelular y otros iones),
- El número de tales conexiones hechas por el axón a las dendritas,
- Qué tan bien se propaga e integra la señal en la célula postsináptica.
Los cambios en el peso sináptico que ocurren se conocen como plasticidad sináptica , y el proceso detrás de los cambios a largo plazo (potenciación y depresión a largo plazo ) aún se conoce poco. La regla de aprendizaje original de Hebb se aplicó originalmente a los sistemas biológicos, pero ha tenido que sufrir muchas modificaciones a medida que salieron a la luz varios problemas teóricos y experimentales.
Referencias
- ^ Iyer, R; Menon, V; Buice, M; Koch, C; Mihalas, S (2013). "La influencia de la distribución de peso sináptica en la dinámica de la población neuronal" . PLOS Biología Computacional . 9 (10): e1003248. Código bibliográfico : 2013PLSCB ... 9E3248I . doi : 10.1371 / journal.pcbi.1003248 . PMC 3808453 . PMID 24204219 .