| Im menschlichen Gehirn treten rhythmische Depolarisationen auf verschiedenen zeitlichen und räumlichen Skalen auf. Angesichts des evolutionären Drucks, den Energiebedarf zu optimieren, wird die Hypothese aufgestellt, dass diese Oszillationen genutzt werden, um den Energiebedarf zu reduzieren. Die Betrachtung dieses Phänomens aus einer energetischen Perspektive bietet einen neuen Blickwinkel auf das Thema und kann zum Verständnis des neuronalen Codes im menschlichen Gehirn beitragen. Basierend auf einer umfangreichen Literaturrecherche und der Simulation eines einfachen probabilistischen Netzwerks werden die Energiekosten für bestimmte Informationsverarbeitungsaufgaben des Gehirns abgeschätzt. Die Phasencodierung einzelner Neuronen liefert eine mögliche Erklärung für die oszillierende Hintergrundaktivität. Auf Netzwerkebene erweist sich die Verteilung der Repräsentation eines Stimulus auf mehrere Neuronen als hocheffizient für probabilistische Low-Cost-Neuronen sowie für die Optimierung der gesamten Repräsentationskapazität eines Netzwerks. Als eine weitere Anwendung der oszillatorischen Aktivität wird die zeitliche Segmentierung von Berechnungen und damit eine kostengünstigere gruppierte Informationsverarbeitung diskutiert. Das Verständnis der in biologischen neuronalen Netzen implementierten Mechanismen ist für die Entwicklung künstlicher neuronaler Netze von großer Bedeutung. Aktuelle neuromorphe Ansätze, d.h. künstliche Systeme, die biologisches Verhalten nachzubilden versuchen, werden diskutiert. Diese Arbeit stellt eine Verbindung zwischen grundlegenden oszillationsbasierten Berechnungen in biologischen und künstlichen Netzwerken her.
|
