استفاده از الگوریتم ژنتیکی برای تنظیم بهینه پارامترهای یک مدل شناختی جهت کدینگ اطلاعات در هییپوکمپ مغز انسان

سیستم عصبی اطلاعات را از تمام نقاط بدن میگیرد، سیگنال ها را پردازش و آنالیز میکند و ایمپالسهایی برای کنترل رفتارهای مختلف بدن صادر می کند. مهمترین قسمت از سیستم عصبی، مغز می باشد که اطلاعات آمده از تمام نقاط بدن در این قسمت پردازش می شود. بخش هییپوکمپ از مغز محلی است که اطلاعات را اخذ و آنالیز کرده و آنها را برای سایر ارگانهای مغز ترجمه میکند، همچنین محل ذخیره اطلاعات در حافظه میباشد. در این مقاله مدلی به نام مدل CRG (Cognitive Rhythm Generator) که این ناحیه را مدلسازی کرده است، معرفی شده است. سیگنال های الکتریکی مغز در طی انتقالات می توانند توسط برخی نرونها تشدید (تحریک) یا منع گردند. این نوع از فعالیت ها در این مقاله مدلسازی شده و برای هر کدام شبکه هایی ارائه شده است. در این مقاله با بررسی و تغییر پارامترهای این شبکه ها، با استفاده از روش الگوریتم ژنتیک توانسته ایم با تنظیم بهینه پارامترهای این مدل شناختی، از رفتار یک نوع شبکه، رفتار شبکه نوع دیگر را استخراج کنیم. قابل ذکر است، روش الگوریتم ژنتیک، تکنیک جستجویی در علم رایانه برای یافتن راه حل تقریبی برای بهینه سازی و مسائل جستجو است

کلیدواژه ها:

هیپوکمپ ، سیگنال عصبی ، رفتار تحریک نرون ، رفتار منع نرون