| dbo:abstract
|
- Computational Neuroscience (von engl. computation: Berechnung, Informationsverarbeitung, und Neuroscience: Neurowissenschaften, Hirnforschung) ist eine interdisziplinäre Wissenschaftsrichtung, die sich mit den informationsverarbeitenden Eigenschaften des Nervensystems beschäftigt. Informationsverarbeitung meint dabei das gesamte Spektrum der Hirnfunktionen von den verschiedenen Stufen der Verarbeitung von Sinneseindrücken bis zu kognitiven Funktionen wie Lernen, Gedächtnis, Entscheidungsfindung sowie die Steuerung des motorischen Systems zur Ausführung von Handlungen. Das wichtigste methodische Werkzeug der Computational Neuroscience ist die mathematische Modellierung von Bestandteilen des Nervensystems wie Nervenzellen, Synapsen und neuronalen Netzwerken mit den Methoden und Erkenntnissen der Biophysik und der Theorie der dynamischen und komplexen Systeme. Diese Modelle werden aufgrund ihrer Komplexität oft im Computer simuliert. Außerdem stellt die Computational Neuroscience auch Analysemethoden experimenteller neuronaler Daten zur Verfügung. Bei all diesen Ansätzen ist eine enge Zusammenarbeit von experimentell arbeitenden Wissenschaftlern aus den Disziplinen Biologie, Medizin, Psychologie und Physik sowie Theoretikern aus der Mathematik, Physik und Informatik erforderlich. Die experimentellen Daten bieten sowohl die Grundlage für die Modelle (z. B. elektrophysiologische Eigenschaften von Nervenzellen und Synapsen, Netzwerkstrukturen in realen Nervennetzen) als auch die Möglichkeit zum Testen ihrer Vorhersagen, etwa über bestimmte dynamische oder informationsverarbeitende Eigenschaften. Die Modelle wiederum bieten die Möglichkeit, die oftmals vielfältigen und z. B. widersprüchlich erscheinenden Ergebnisse der Experimente systematisch zu ordnen und durch mathematische Analyse und Simulation komplexe Zusammenhänge zu erkennen, die ohne diese Methode nur schwer oder gar nicht zu erfassen sind. Gegenstand der Modellierung sind Strukturen auf allen Größen- und Komplexitätsskalen, angefangen von biophysikalischen Simulationen der molekularen Dynamik bestimmter Ionenkanäle und Neurotransmitter, über Modelle einzelner Nervenzellen, bis hin zu komplexen Netzwerkmodellen, die Interaktionen zwischen Hirnregionen nachbilden. Abhängig von der Fragestellung können diese Modelle sehr unterschiedliche Abstraktionsgrade aufweisen, d.h., entweder eng an experimentelle Daten angelegt werden oder eher die generellen Prinzipien und Strukturen abbilden und formalisieren, die aus den Experimenten gewonnen wurden. Computational Neuroscience kann bis zu einem gewissen Grad gegenüber konnektionistischen Theorien der Psychologie, reinen Lerntheorien wie Maschinenlernen und künstlichen neuronalen Netzwerken sowie dem Gebiet der Neuroinformatik abgegrenzt werden, obgleich diese Gebiete zum Teil parallele Entwicklungsgeschichten haben und teilweise auch ähnliche Ziele verfolgen. Modellierungsansätze der Computational Neuroscience haben den Anspruch, bestimmte Aspekte der neuronalen Strukturen biologisch realistisch abzubilden und direkte Vorhersagen über entsprechende Experimente zu machen. Konnektionistische Modelle verfolgen ein ähnliches Vorhersageziel auf der Ebene psychophysikalischer Experimente, haben aber nur einen eingeschränkten Anspruch auf biologischen Realismus, der sich auf die Struktur der Verknüpfungen und die Fähigkeit zum Lernen beschränkt. Ähnliches gilt für die Lerntheorien, die aber oft zusätzlich auch für rein technische Zwecke verwendet werden, etwa für die Vorhersage einer komplexen Zeitreihe oder zur Mustererkennung in Bildern. In diesen anwendungsorientierten Bereichen spielt die Analogie zum Gehirn nur eine untergeordnete Rolle, ein Verständnis menschlicher Informationsverarbeitung wird nicht angestrebt. Die Neuroinformatik schließlich nimmt, ihrem Namen folgend, eine informatische Sichtweise auf die Neurowissenschaften ein. Das beinhaltet unter anderem die Entwicklung von Datenbanken, Datenstrukturen und Standards zur effizienten Speicherung, Archivierung und zum Austausch experimenteller Daten sowie die Entwicklung von Software sowohl zur Modellierung neuronaler Systeme (z. B. Neuron, Genesis, NEST) und zur Erfassung und Analyse experimenteller Daten. Abstraktere Ansätze wie künstliche neuronale Netzwerke und maschinelles Lernen werden bisweilen ebenfalls der Neuroinformatik zugerechnet. (de)
- Computational Neuroscience (von engl. computation: Berechnung, Informationsverarbeitung, und Neuroscience: Neurowissenschaften, Hirnforschung) ist eine interdisziplinäre Wissenschaftsrichtung, die sich mit den informationsverarbeitenden Eigenschaften des Nervensystems beschäftigt. Informationsverarbeitung meint dabei das gesamte Spektrum der Hirnfunktionen von den verschiedenen Stufen der Verarbeitung von Sinneseindrücken bis zu kognitiven Funktionen wie Lernen, Gedächtnis, Entscheidungsfindung sowie die Steuerung des motorischen Systems zur Ausführung von Handlungen. Das wichtigste methodische Werkzeug der Computational Neuroscience ist die mathematische Modellierung von Bestandteilen des Nervensystems wie Nervenzellen, Synapsen und neuronalen Netzwerken mit den Methoden und Erkenntnissen der Biophysik und der Theorie der dynamischen und komplexen Systeme. Diese Modelle werden aufgrund ihrer Komplexität oft im Computer simuliert. Außerdem stellt die Computational Neuroscience auch Analysemethoden experimenteller neuronaler Daten zur Verfügung. Bei all diesen Ansätzen ist eine enge Zusammenarbeit von experimentell arbeitenden Wissenschaftlern aus den Disziplinen Biologie, Medizin, Psychologie und Physik sowie Theoretikern aus der Mathematik, Physik und Informatik erforderlich. Die experimentellen Daten bieten sowohl die Grundlage für die Modelle (z. B. elektrophysiologische Eigenschaften von Nervenzellen und Synapsen, Netzwerkstrukturen in realen Nervennetzen) als auch die Möglichkeit zum Testen ihrer Vorhersagen, etwa über bestimmte dynamische oder informationsverarbeitende Eigenschaften. Die Modelle wiederum bieten die Möglichkeit, die oftmals vielfältigen und z. B. widersprüchlich erscheinenden Ergebnisse der Experimente systematisch zu ordnen und durch mathematische Analyse und Simulation komplexe Zusammenhänge zu erkennen, die ohne diese Methode nur schwer oder gar nicht zu erfassen sind. Gegenstand der Modellierung sind Strukturen auf allen Größen- und Komplexitätsskalen, angefangen von biophysikalischen Simulationen der molekularen Dynamik bestimmter Ionenkanäle und Neurotransmitter, über Modelle einzelner Nervenzellen, bis hin zu komplexen Netzwerkmodellen, die Interaktionen zwischen Hirnregionen nachbilden. Abhängig von der Fragestellung können diese Modelle sehr unterschiedliche Abstraktionsgrade aufweisen, d.h., entweder eng an experimentelle Daten angelegt werden oder eher die generellen Prinzipien und Strukturen abbilden und formalisieren, die aus den Experimenten gewonnen wurden. Computational Neuroscience kann bis zu einem gewissen Grad gegenüber konnektionistischen Theorien der Psychologie, reinen Lerntheorien wie Maschinenlernen und künstlichen neuronalen Netzwerken sowie dem Gebiet der Neuroinformatik abgegrenzt werden, obgleich diese Gebiete zum Teil parallele Entwicklungsgeschichten haben und teilweise auch ähnliche Ziele verfolgen. Modellierungsansätze der Computational Neuroscience haben den Anspruch, bestimmte Aspekte der neuronalen Strukturen biologisch realistisch abzubilden und direkte Vorhersagen über entsprechende Experimente zu machen. Konnektionistische Modelle verfolgen ein ähnliches Vorhersageziel auf der Ebene psychophysikalischer Experimente, haben aber nur einen eingeschränkten Anspruch auf biologischen Realismus, der sich auf die Struktur der Verknüpfungen und die Fähigkeit zum Lernen beschränkt. Ähnliches gilt für die Lerntheorien, die aber oft zusätzlich auch für rein technische Zwecke verwendet werden, etwa für die Vorhersage einer komplexen Zeitreihe oder zur Mustererkennung in Bildern. In diesen anwendungsorientierten Bereichen spielt die Analogie zum Gehirn nur eine untergeordnete Rolle, ein Verständnis menschlicher Informationsverarbeitung wird nicht angestrebt. Die Neuroinformatik schließlich nimmt, ihrem Namen folgend, eine informatische Sichtweise auf die Neurowissenschaften ein. Das beinhaltet unter anderem die Entwicklung von Datenbanken, Datenstrukturen und Standards zur effizienten Speicherung, Archivierung und zum Austausch experimenteller Daten sowie die Entwicklung von Software sowohl zur Modellierung neuronaler Systeme (z. B. Neuron, Genesis, NEST) und zur Erfassung und Analyse experimenteller Daten. Abstraktere Ansätze wie künstliche neuronale Netzwerke und maschinelles Lernen werden bisweilen ebenfalls der Neuroinformatik zugerechnet. (de)
|
| rdfs:comment
|
- Computational Neuroscience (von engl. computation: Berechnung, Informationsverarbeitung, und Neuroscience: Neurowissenschaften, Hirnforschung) ist eine interdisziplinäre Wissenschaftsrichtung, die sich mit den informationsverarbeitenden Eigenschaften des Nervensystems beschäftigt. Informationsverarbeitung meint dabei das gesamte Spektrum der Hirnfunktionen von den verschiedenen Stufen der Verarbeitung von Sinneseindrücken bis zu kognitiven Funktionen wie Lernen, Gedächtnis, Entscheidungsfindung sowie die Steuerung des motorischen Systems zur Ausführung von Handlungen. (de)
- Computational Neuroscience (von engl. computation: Berechnung, Informationsverarbeitung, und Neuroscience: Neurowissenschaften, Hirnforschung) ist eine interdisziplinäre Wissenschaftsrichtung, die sich mit den informationsverarbeitenden Eigenschaften des Nervensystems beschäftigt. Informationsverarbeitung meint dabei das gesamte Spektrum der Hirnfunktionen von den verschiedenen Stufen der Verarbeitung von Sinneseindrücken bis zu kognitiven Funktionen wie Lernen, Gedächtnis, Entscheidungsfindung sowie die Steuerung des motorischen Systems zur Ausführung von Handlungen. (de)
|
