Introduction
العديد من الميزات وظيفة الدماغ من المستحيل حاليا لتكرار في نظام اصطناعي. قدرة الدماغ لمعالجة المعلومات بسرعة الحسية المعقدة وتوليد، ردا على ذلك، الأوامر الحركية الدقيقة هي في حد ذاتها بالفعل خارج دولة من بين الفن الحالي. ولكن قدرتها على التكيف مع الظروف المختلفة من خلال التعلم من التجارب السابقة تجعل من ذلك متفوقة بشكل كبير على أنظمة التحكم المطورة الإنسان. وحتى الآن، ومحاولات لتكرار أو استغلال وقد اجتمع هذا اللدونة نجاح يذكر، وفهم الأعمال الداخلية للدماغ استعصت على فهم الباحثين. واحدة من القضايا الرئيسية في حين التحقيق في العلاقة بين الدماغ والسلوك هو عدم القدرة على الوصول بشكل صحيح كل من المتغيرات في النظام: من الناحية المثالية، وهو الإعداد التجريبية الأمثل ستسمح تسجيل والتحفيز في وقت واحد إلى أعداد كبيرة من الخلايا العصبية، والاستقرار على المدى الطويل ورصد المواقف نقاط الاشتباك العصبي والأوزان، والتحكم ثنائية directioالتفاعل نال مع البيئة. وأدت صعوبة في تتبع كل تلك المتغيرات في وقت واحد لدراسة العلاقة الدماغ السلوك في جدولين مختلفة جدا: إما مع تتصرف الحيوانات، مع عدم دفع غرامة السيطرة على الظروف التجريبية 1-7 أو مع وقطع صغيرة معزولة، مثل أجزاء من الأنسجة العصبية، مع عدم وجود نظرة شاملة للنظام 8. في الحالة الأخيرة، في حين لا يسمح الإعداد التجريبية وضعت رصد كامل لجميع المعلمات المشاركين في أعمال حتى الشبكة العصبية بسيطة، يتم توفير جيدة مفاضلة من قبل الخلايا العصبية فصلها نمت على مايكرو-الكهربائي صالحة (الاتفاقات البيئية المتعددة الأطراف) 9. تلك الأجهزة، ولدت في نهاية في 10 70، لديها العديد من المزايا تقنيات الكهربية التقليدية: أولا، وإمكانية تسجيل وتحفيز الشبكة العصبية في كثير من مواقع مختلفة في آن واحد (عادة 60 الأقطاب الكهربائية). وعلاوة على ذلك، واقتران الاتفاقات البيئية المتعددة الأطراف مع الخلايا يكاد يكون غير الغازية، والسماح للمراقبة نفس الشبكة لفترات طويلة من الزمن، تصل إلى عدة أشهر 11. الآثار الفسيولوجية للالتحفيز الكهربائي على الثقافات نأت وقد تم دراسة على نطاق واسع بفضل تلك الأجهزة، وكشف عن أن العديد من الخصائص لاحظت على مستويات أعلى (مثل، على سبيل المثال، اللدونة والعمليات ذاكرة بسيطة 12-14) يتم حفظها على الرغم من خسارة الهندسة المعمارية. خلال نمو ثقافة، تلك الشبكات تبدأ تظهر النشاط العفوي في حوالي 7 أيام في المختبر (DIV) 15،16. نشاط الشبكة يميل إلى تغيير جذري مع مزيد من النمو. أول ما جمع المسامير واحدة في رشقات نارية (في نهاية الأسبوع الثاني) 17، في وقت لاحق أنه يغير في نمط معقد للغاية من متزامنة، شبكة غير الدورية رشقات نارية 18، الذي يمثل دولة ناضجة من الشبكة. وقد اقترح 19 أن هذا السلوك متزامن، تشبه إلى حد ما تلك التي لوحظت في الجسم الحي في سجلبالجلسات على الحيوانات النوم، وينجم عن نقص المدخلات الحسية.
وحاول مقاربة مختلفة للحصول على فهم أفضل للترميز المعلومات التي تم اتخاذها عن طريق إجراء التجارب حلقة مغلقة، والتي كانت تستخدم أنواع مختلفة من الإشارات للسيطرة على التحفيز للشبكة العصبية نفسها 11،20-23. في هذه التجارب، وقد استخدمت وكيل خارجي قادر على التفاعل مع البيئة لتوليد المعلومات الحسية لتغذية الشبكة العصبية، والتي أنتجت بدورها الأوامر الحركية لآلية المستجيب. هذا يسمح الملاحظات لكيفية الخصائص الحيوية والتكيفية للأنظمة العصبية تطورت استجابة للتغيرات التي يسببها في البيئة.
والإعداد لإجراء "يجسد الفسيولوجيا العصبية" تم تطوير التجارب، حيث قاعدة بأربع عجلات الاستشعار (الروبوت البدني أو نموذجها الظاهري) يتحرك حول في الساحة ويتم تحديد الملامح سرعتها من النشاط من العصبيةنظام (أي مجموعة من السكان من الخلايا العصبية الفئران مثقف أكثر من MEA). ويتميز الروبوت من قبل التشكيلات سرعة لها عجلتين تسيطر بشكل مستقل، والقراءات الحالية من أجهزة الاستشعار عن بعد. الطبيعة الدقيقة للأجهزة الاستشعار عن بعد ليست ذات الصلة؛ أنها قد تكون الصريح أو الضمني أجهزة الاستشعار البصرية أو أجهزة الاستشعار بالموجات فوق الصوتية. بشكل واضح، لا تنطبق هذه القضية في حالة من الروبوتات الافتراضية، التي يمكن أن تصمم أجهزة الاستشعار مع أي ميزة المرجوة.
في التجارب المذكورة هنا، والروبوت المستخدم هو دائما تنفيذ الظاهري، مع 6 أجهزة الاستشعار عن بعد مشيرا في 30 °، 60 ° و 90 ° من الروبوت تسير في كلا الاتجاهين. وبلغ متوسط النشاط من أجهزة الاستشعار اليسار واليمين وثلاثة هو الدافع وراء النشاط من الثقافة البيولوجية من المعلومات التي تم جمعها من قبل هذه "فائقة أجهزة الاستشعار" (والتي سوف يكون مجرد يشار إلى "اليسار" وأجهزة استشعار "حق" في بقية هذا العمل). وبروتوعمود وصف قد يكون في الواقع تطبيقها على الروبوت البدني مع تعديلات طفيفة إلى حد ما. يتم ترميز المعلومات التي تم جمعها بواسطة الروبوت (إما فعلية أو ظاهرية) في سلسلة من المحفزات التي تستخدم للتلاعب في نشاط الشبكة العصبية البيولوجية، والتي يتم فصل جسديا من قبل الروبوت. المحفزات أنفسهم كلها متطابقة وبالتالي لا الكود أي معلومات. ما هو مهم هو تيرتها: زيادة معدل التحفيز عندما يقترب الروبوت عقبة، مع مواقع مختلفة للإنجاز ترميز المعلومات الحسية من 'عيون' اليسرى واليمنى من الروبوت. وستعمل الشبكة العصبية تقديم استجابات مختلفة إلى القطار القادم من التحفيز: مهمة خوارزمية فك التشفير هي ترجمة نشاط الشبكة مما أدى إلى أوامر تستخدم للسيطرة على عجلات الروبوت. نظرا ل"الكمال" سلوك الشبكة (أي، مع موثوقية وفصلها تماما الاستجابات لمثيرات مختلفة من الأقطاب الكهربائية)، وهذا من شأنه بالنتيجهتي في الروبوت القيادة في الساحة من دون ضرب أي عقبة. معظم الشبكات الحاضر سلوك مختلفة جدا عن المثالية، لذلك يتم إدخال بروتوكول التعلم بسيط: عند تفعيلها، وتحفيز كزازي (نوبات قصيرة من التحفيز عالية التردد، 20 هرتز التحفيز لمدة 2 ثانية، مستوحاة من البروتوكولات المذكورة في 24،25) بعد يتم تسليم الاصطدام مع عقبة. إذا كانت نتائج التحفيز كزازي في تعزيز المحليين من الاتصال بالشبكة، وهذا سوف يؤدي إلى زيادة مطردة في القدرات الملاحية للروبوت.
HyBrainWare2، وهو نسخة محسنة من برامج مخصصة نشرت في 26، هو البنية الأساسية المتقدمة للتعامل مع السيطرة على الأجهزة المختلفة للنظام (مشجعا، واقتناء البيانات وتجهيزها والتصور، والاتصالات الروبوت أو المحاكاة). وقد تم تطوير هذا البرنامج في مختبرنا ومتاح مجانا على الطلب. هذا البرنامج يوفر واجهة معمجلس الحصول على البيانات: بمجرد أن يبدأ المستخدم الحصول على البيانات من واجهة المستخدم الرسومية، البرنامج يتحكم مجلس اكتساب لبدء أخذ العينات وA / D تحويل البيانات القادمة من أقطاب تسجيل. ويمكن بعد ذلك يتم تسجيل هذه البيانات، عرض على الشاشة أو تحليلها في الوقت الحقيقي للكشف عن المسامير، وفقا للخيارات التي وضعها المستخدم (انظر القسم الداخلي للتفاصيل). وعلاوة على ذلك، في داخل البرنامج، وتعريف الترميز (ترجمة المعلومات الحسية إلى التحفيز الكهربائي) وفك التشفير (ترجمة النشاط المسجلة في الأوامر الحركية للروبوت) يجب تحديد الخوارزميات. على وجه الخصوص، والإعداد لدينا هو نسبيا سهلة الاستخدام مقارنة بأنظمة مماثلة صممت في الماضي ال 27، حيث أن جميع المتغيرات تقريبا يمكن الوصول إليها من قبل المستخدم الحق قبل بدء التجربة الفعلية، في حين يتم حفظ جميع المعلومات المسجلة تلقائيا في تنسيق متوافق مع تحليل أدوات للبيانات العصبي 28.
يصف القسم الإجراءات التالية تجربة التعلم على الثقافات قرن آمون الفئران نأت: يتم توفير جميع زراعة والمعلمات التجريبية لهذا إعداد خاص، وربما تحتاج إلى تعديل إذا كان الركيزة البيولوجية المختلفة لاستخدامه. وبالمثل، فإن تجربة وصفها يستفيد من الهندسة المعمارية حلقة مغلقة لدراسة تأثير التعلم من التحفيز كزازي، ولكن العمارة في حد ذاته هو مرنة بما فيه الكفاية لاستخدامها في دراسة ملامح مختلفة من الشبكات العصبية فصلها. تم شرحها متغيرات رئيسية من التجربة المقترحة في القسم مناقشة.
Protocol
1. إعداد العصبية الثقافة على مدى MEA
- لوحة الثقافات العصبية على رقائق MEA، كما هو موضح 29. ويرد وصف إجراء مماثل أيضا 9 و في قسم مناقشة.
- تحويل نظام التدفئة MEA على 5-10 دقيقة قبل البدء في تسجيل لتقليل الإجهاد الحراري التي يعاني منها الخلايا: مجموعة المستهدفة في درجة الحرارة وحدة تحكم في درجة الحرارة إلى 37 درجة مئوية والتبديل على لوحة التدفئة تحت MEA نفسها (المنصوص عليها في معظم التجارية أنظمة MEA) و، إن وجدت، وغطاء ساخنة من أجل الحد بشكل كبير التبخر.
- تعقيم قبعات المنفذة للغازات قبل كل استعمال في الأوتوكلاف مع الرطبة للحرارة (30 دقيقة، 130 ° C). لتجنب التبخر ومنع التغيرات في الأسمولية، والحفاظ على الثقافات تزويدها بغطاء أثناء التسجيل.
- ضع ثقافة العصبية في مكبر للصوت 30 دقيقة قبل البدء في الواقع التسجيل.
ملاحظة: ببساطة تحريك الثقافات من المؤتمر الوطني العراقيسوف ubator إلى مكبر للصوت يعطل بشكل كبير النشاط العفوي لمدة نصف ساعة. خلال هذا الوقت، سوف ثقافة درجة حرارة متوسطة استقرار. - إذا دائرة carbair هو متاح، وبدء تداول carbair (خليط من 5٪ CO 2 و 95٪ O 2 + N 2) للتجارب أطول من بضع ساعات: سوف الثقافات تتطلب ذلك من أجل الحفاظ على كل من الأكسجين ودرجة الحموضة المستويات مستقرة.
2. اختيار تسجيل المعلمات لاقتناء MEA
- حدد عرض النطاق الترددي مرشح البرمجيات للكشف عن كعب (أي، متعدد وحدة النشاط - MUA) (30): في شكل RawDataDisplay بمناسبة "300 هرتز، 3 كيلو هرتز" مربع.
- بدء الحصول على البيانات: اضغط على زر "ابدأ" في شكل RawDataDisplay.
- مجموعة كسب عتبة للكشف عن ارتفاع في RawDataDisplay إلى 7.
ملاحظة: اعتمادا على خصوصية المطلوب / الانتقائية المقايضة وعلى اعتمدت كشفخوارزمية أيون، يمكن تعيين هذا الحد ما بين 6 و 10 أضعاف الانحراف المعياري حسابها. - تعيين عتبة الذاكرة إلى 2 ثانية واضغط على زر 'قفل' عندما أي نشاط ارتفاعه مرئيا على الشاشة (كلا الأمرين هي في شكل RawDataDisplay). علامة على "تقدير SD من المتوسط" لحساب ضجيج الانحراف المعياري من المتوسط من القيمة المطلقة للإشارة لوحظ 31،32، إذا كان من الصعب توفير النوافذ الوقت حتى قصيرة دون ارتفاعه النشاط. إزالة علامة الاختيار من هذا الخيار بعد الضغط على زر "قفل"، كما الخوارزمية الأساسية هي حسابيا مكثفة وربما تسبب PC إلى التأخر.
- بدوره على روتين الكشف عن ارتفاع (مربع 'كشف سبايك "في شكل RawDataDisplay). إذا كشف ارتفاع قيد التشغيل (أي، يتم وضع علامة على مربع الاختيار بالفعل)، ونبذ المسامير الكشف حتى هذه اللحظة من خلال النقر على زر "إعادة تعيين" في شكل تسجيل البيانات.
3. اختيار MEA أقطاب لتحفيز الخلايا العصبية الثقافة والاستجابة خريطة الحساب
- سجل النشاط العفوي للخلايا العصبية مثقف على MEA لمدة 30 دقيقة: حفظ البيانات إلى ملف عن طريق النقر على زر 'سجل'، في مربع "المسامير" من النموذج DataRecording، بعد انقضاء المبلغ المطلوب من الوقت (30 دقيقة، في هذه الحالة).
- التعرف على 10 قنوات الأكثر نشاطا (أي 10 قنوات مع أعلى ارتفاع عدد)، ثم حدد تلك القنوات في أي من تخطيطات MEA (إما في الترميز، فك أو اتصال خريطة الأشكال) عن طريق سحب مؤشر الماوس فوق المناطق المطلوب. مرة واحدة ويتم اختيار القنوات، انقر على الحق في أي مكان على تخطيط MEA، وحدد "إضافة إلى ترك منطقة الحسية" في القائمة المنبثقة: سيتم استخدام هذه الأقطاب الكهربائية لتقديم التحفيز الكهربائي في الخطوة 3.5.
- تحقق من أن مشجعا ومكبر للصوت MEA ترتبط بشكل صحيح: كافة تكوينات REQUغضب اثنين من الأسلاك لكل قناة التحفيز المطلوب، في حين سوف تكون هناك حاجة كابل متحد المحور إضافية لحمل إشارة التزامن (يرجى الرجوع إلى أدلة من الصكوك تفاصيل عن المخططات الاتصال). المضي قدما ثم لتحويل مشجعا على.
- تعريف المعلمات التحفيز في شكل اتصال خريطة. جميع التحفيز تسليمها للثقافة هي موجات مربع الجهد ثنائية الطور. تعيين نصف المدة إلى 300 μsec والسعة إلى 1.5 V ص 33.
ملاحظة: المحفزات كبيرة بما يكفي لاستحضار موثوق الاستجابات العصبية سوف حل وسط المرجح جدا تسجيل النشاط من نفس المواقع. في بقية الورقة، لا ينبغي اختيار الأقطاب الكهربائية المستخدمة للتسليم التحفيز لتسجيل أي معلومات ذات صلة. - استجابة التسجيلة الى التحفيز: اضغط على الزر ابدأ في شكل ConnectionMap. وبدوره، ألقى سلسلة من 30 المنبهات، مع فاصل 5 ثانية تلقائيا من كل واحد من الأقطاب المحدد، في حين سجل الاستجاباتإد من الأقطاب 59 المتبقية.
- حساب خريطة اتصال (أي احتمال مراقبة استجابة من القطب داخل فتحة وقت بعد الولادة من التحفيز من القطب مختلفة) لكل قناة تحفيز من خلال أي برنامج الرياضيات أو SpyCode، تطبيق وضعت في الماضي (ومتاحة بحرية عند الطلب) لإجراء العمليات الحسابية على البيانات العصبية 28.
- من الخرائط الصدد، تحديد أفضل الأقطاب: تجاهل كل أقطاب تحفيز التي لم تثير استجابات (أي في الوقت النافذة التالية التحفيز، واطلاق معدلات ليست أعلى بكثير مما كان عليه خلال اطلاق عفوية).
- اختر من بين الأقطاب المتبقية، الزوج مع الأقل overleap في الردود. خصيصا لكل القطب تحفيز، حساب متوسط عدد ارتفاعا في كل تسجيل الكهربائي، ثم حساب الفرق بين الأقطاب المقابلة لجميع الأقطاب تحفيز أزواج. اختيار الزوجين لحركتيح مجموع القيم المطلقة للخلافات ردا على كل القنوات تسجيل هو أعلى.
- اختيار واحد من هذه الأقطاب الكهربائية إلى رمز المعلومات الحسية من الجانب الأيسر للروبوت والآخر إلى رمز قراءات من الجانب الأيمن: من أجل القيام بذلك، اسحب مؤشر الماوس فوق القطب واحد، انقر بزر الماوس الأيمن على تخطيط MEA ثم حدد "أضف إلى ترك منطقة الحسية" (أو "إضافة إلى منطقة الحسية الصحيحة ').
4. التواصل ثقافة العصبية مع روبوت: اختيار الترميز وأنظمة فك
- مجموعة 'نوع الترميز "في شكل الترميز الخطي ل.
- تحديد معدلات التحفيز الحد الأدنى والحد الأقصى في شكل الترميز. استخدام النطاق الافتراضي من 0.5-2 هرتز.
- تعيين المعلمة "غضب" في شكل ترقيمها إلى 0.
- تعيين المعلمات خوارزمية فك التشفير في نموذج فك (الوزن ومعامل الانقراض) إلى 1، من أجل ثقافة نشطة بشكل معتدل (~ 1 مسمار / ثانية في channالقاهرة). تحديد زوج المعلمة الجديد إذا كانت معدلات اطلاق بقوة وباستمرار تنحرف عن هذه القيمة. انظر المناقشة عن وظيفة بالضبط من المعلمات فك التشفير.
- تعيين خوارزمية فك المعلمات انفجر في نموذج فك. تعيين الوزن إلى 0 (الوقت الاضمحلال ومن ثم غير ذي صلة)، ما لم التمييز بين المسامير ورشقات نارية هو موضوع الدراسة.
ملاحظة: إن القيم المقترحة في الخطوة 4.4 تنتج حركات الروبوت سلسة وبسرعة متوافقة مع أوقات رد فعل الروبوت للثقافات الفئران الابتدائي نشطة بشكل معتدل. المعلمات انفجر لها بالضبط وبنفس وظيفة تلك الموضحة في الخطوة 4.4، ولكن الحدث اثار هو الكشف عن انفجار بدلا من الارتفاع: سرعة الفعلية لكل عجلة هي ببساطة مجموع مساهمات المسامير الكشف عن ورشقات نارية.
5. تصميم الملاحة Arena لروبوت
- في شكل الظاهري مصمم الساحة، والاختيار بين يحدها (حدود الساحة مرئية للروبوت وأناmpassable) أو لا حدود لها (إذا كان مخارج الروبوت من جانب واحد من الساحة، وسوف الفور إعادة إدخال من عكسه واحد) الساحة وضبط حجم الساحة بالبكسل.
- لا تستخدم الساحات يحدها أصغر من 100 × 100 بكسل، من أجل السماح للحركة كبيرة. لا تستخدم العقبات مع دائرة نصف قطرها أصغر من 5 بكسل كما أنها يمكن أن تقع بين خط الأفق للروبوت.
- نضع في اعتبارنا أن أحجام الساحة كبيرة جدا قد يسبب أداء الكمبيوتر لتتحلل: إذا كنت بحاجة لالساحة الكبيرة، وأداء اختبار البرمجيات مع الساحة المطلوب قبل البدء يصعب تكرار التجارب.
- تعيين الروبوت وضع البداية إما يدويا (انقر فوق الزر "اختيار يدوي" في شكل الساحة مصمم الظاهري، ثم الموقع المطلوب) أو عن طريق تحديد الإحداثيات للروبوت في تجربة تبدأ في 'روبوت وضع البداية "المجالات.
- إضافة أي عدد من العقبات سالكة داخل الساحة. إما وضعها رجلهو مثير جنسيا في الساحة بعد النقر على زر 'اضافة العقبة يدويا "أو مجموعة عدد وحجم النطاق.
- انقر على زر 'إنشاء حلبة "لتوليد الساحة مع الميزات المحددة. لن يحدث أي تغييرات حتى يتم الضغط على هذا الزر.
- حفظ الساحة تصميمها وتحميل الملف النسبي، قبل استخدامها في التجربة، مع أزرار الأوامر في الجزء السفلي من الشكل الظاهري مصمم الساحة.
6. اختيار أقطاب MEA إلى سجل العصبية آخر من الثقافة
- حدد أقطاب تسجيل مؤقتة مثل تلك التي استجابات مختلفة، في الخطوة 3.8، وقد لوحظ: الأقطاب التي أظهرت استجابات أكبر بعد التحفيز من "اليسار" (أو "حق") القطب سيشكل "اليسار" (أو "حق") أقطاب تسجيل. لا تستخدم الأقطاب الكهربائية التي لم تظهر استجابات كبيرة إما تحفيز الكهربائي للتحكم في الروبوت. Fمدمج القائمة المنبثقة تخطيط MEA، حدد "إضافة إلى منطقة المحرك الأيسر" (أو "إضافة إلى منطقة المحرك الصحيحة ') لتحديد أقطاب تسجيل.
- حدد ملامح لتسجيل في شكل مدير تجربة. في هذه المرحلة، والمسامير والطوابع الزمنية التحفيز هي المعلومات الوحيدة ذات الصلة.
- إجراء اختبار محرك 10 دقيقة: بدء تشغيل الروبوت عن طريق النقر على زر بدء التجربة في شكل مدير تجربة، انقر عليه مرة أخرى بعد انقضاء 10 دقيقة.
ملاحظة: بمجرد أن يتم تعيين كافة المعلمات (الترميز وفك التشفير، الروبوت الساحة، وحفز وأقطاب تسجيل، ويضم إلى رقم قياسي)، ستطلب مجموعة مختارة اسم الملف لتسجيل الملفات اسم والمقصد، ثم الروبوت سوف تبدأ التحرك في الساحة لها، اتباع القواعد المحددة. يتم حفظ كافة الميزات المحددة تلقائيا في الوقت الحقيقي. - كرر الخطوات من 3.6 و 6.1 على البيانات التي حصل عليها في الخطوة 6.3، وذلك لتحديد أقطاب تسجيل من البيانات التي تم جمعها خلال تشغيل الروبوت الفعلي (انظر Discussion للحصول على الأساس المنطقي لهذا النهج من خطوتين).
7. تنفيذ عملية تجربة العصبية الروبوتية
- حدد في إدارة تجربة تشكيل البيانات ليتم تسجيلها: علم على سبايك، روبوت وخانات المحفزات البيانات.
- إطلاق ما قبل التعلم تشغيل الروبوت: اضغط على زر 'ابدأ تجربة' في شكل مدير تجربة. تحديد أسماء الملفات الجديدة لملفات البيانات عند المطالبة. عندما انقضت 30 دقيقة، انقر فوق الزر "ابدأ تجربة" مرة أخرى لوقف تشغيل الروبوت.
- التبديل على بروتوكول التعلم (خانة الاختيار "تسليم كزازي تحفيز وبعد ضرب 'في شكل مدير تجربة بمناسبة) وإجراء التدريب الروبوت المدى، من نفس طول مرحلة ما قبل التدريب (أي 30 دقيقة). تذكر أن مساهمة مختلف أسماء الملفات عند المطالبة لتجنب الكتابة فوق البيانات من الخطوة 7.2.
- إيقاف تشغيل بروتوكول التعلم مرة أخرى (إلغاء تحديد خانة الاختيار "تسليم كزازي تحفيز وبعد ضرب ') وتنفيذ أعمال مرحلة ما بعد التعلم الروبوت التشغيل. ومرة أخرى، وتذكر لتغيير أسماء الملفات لمنع الكتابة.
8. ثانيا الاستجابة خريطة الحساب
- كرر الخطوات من 3،1-3،6. استخدام البيانات من هذه التسجيلات لاختبار إذا تم يسببها أي تغييرات سواء في أنماط النشاط العفوي أو التي حركها بروتوكول التعلم.
Representative Results
يسمح الإطار التجريبي المتقدمة اختبار ما إذا كان تبادل المعلومات بين ثقافة الخلايا العصبية وتحقيق الظاهري للإنسان المادي هو ممكن (34). ويبين الشكل 1 عدة عينات من المسارات التي تم الحصول عليها سافر عن طريق روبوت الظاهري في 20 دقيقة التجارب في ظروف مختلفة : من اليسار إلى اليمين المناسبة تجربة حلقة مغلقة، وهو 'فارغة MEA "تجربة الروبوت (ومطلي أي خلايا في الشرق الأوسط وأفريقيا لتجربة مراقبة هذا) وتجربة الروبوت حلقة مفتوحة (معدل التحفيز هو ثابت بدلا من ترميز المعلومات أجهزة الاستشعار) يتم تمثيل. آثار تمثيلية تؤكد أن تفاعل ثنائي الاتجاه بين العناصر العصبية الاصطناعية وضروري من أجل الحصول على أداء الملاحة جيدة للروبوت. ومع ذلك، فإن الروبوت تجارب عدة ضربات ضد العقبات.
في الشكل 2، وأداء الملاحة للروبوت، والبريدxpressed كما بكسل سافر بين الزيارات اللاحقة، ويظهر في ظروف مختلفة. عرض أول عمودين توزيع المسافات سافر في التجارب السيطرة المذكورة أعلاه ('MEA فارغة "وتكوينات حلقة مفتوحة)، في حين عرض العمودين الثالث والرابع على الأداء دون ومع، على التوالي، وتسليم من التحفيز كزازي بعد كل ضرب ضد عقبة. مقدمة من التحفيز كزازي (راجع الداخلي، نقطة 7.2) يحسن بشكل ملحوظ سافر المسافة بين ضربتين متتاليتين، وبالتالي تحسين أداء الملاحة للروبوت 35.
في الشكل 3، وتقدم أداء الملاحة الروبوت مع الظروف فك مختلفة. ولهذه الغاية، تم اعتماد التكوين الساحة مختلفة. وقد ساعد هذا على قياس الملاحة الناجح للروبوت داخل الساحة 36: كما هو موضح في الخطوة 4.1 من هذا الإجراء، والروبوت هوقدم سلسلة من مسارات قصيرة. معدل النجاح هو ببساطة نسبة من عدد من المسارات عبرت بنجاح على عدد من المسارات المقدمة. على وجه الخصوص، خلال تجارب أجريت على تحديد الوقت الحقيقي من المسامير انفجر ومعزولة. النماذج فك تختلف عن بعضها البعض بسبب الأوزان النسبية لرشقات نارية والمسامير معزولة (راجع الداخلي، يشير 3،5-3،6 ومناقشة).
الشكل 1: شبكة العصبية والروبوت يكون تبادل ثنائي الاتجاه للمعلومات وهذا الرقم يظهر ثلاثة مسارات التمثيلية التي يقطعها روبوت أكثر من 20 دقيقة من التجربة. على وجه الخصوص، ومناطق خضراء فاتحة مجانية لالروبوت للتحرك في، في حين بكسل الخضراء الداكنة تمثل عقبات سالكة أن الروبوت يمكن أن يرى من خلال أجهزة الاستشعار عن بعد فيها. في كل محاكمة، والروبوت يبدأ طن القسم الأيسر العلوي من الساحة ويسافر إلى موقفها النهائي، كما هو مبين نقطة الوردي كبيرة. وتمثل النقاط السوداء الصغيرة يضرب ضد عقبة، في حين يوفر مسار مرمزة مؤشرا على تطور الزمني للحركة الروبوت. شريط اللون على حق تعرب عن الوقت الذي انقضى من بداية التجربة في غضون دقائق. وجاء (A) المسار خلال التجربة حلقة مغلقة. (B) المسار جاء خلال "فارغة" تجربة MEA (أي خلايا يتم تربيتها على MEA السطح). (C) مسار اتباعها خلال تجربة حلقة مفتوحة (معدل التحفيز هو ثابت في كافة مراحل التجربة). الرجاء انقر هنا لمشاهدة نسخة أكبر من هذا الرقم.
الشكل 2: تتأثر النتائج الأداء التي كتبها مغلقة-loop والتحفيز كزازي. ويبين هذا الرسم البياني توزيعات المسافات بواسطة الروبوت بين الزيارات اللاحقة في ظروف المختلفة التي تغطيها. على وجه الخصوص، وتمثل التوزيعات الأولين تجارب السيطرة ('فارغ' للتسجيلات مع عدم وجود الخلايا العصبية مطلي على MEA، "حلقة مفتوحة" (OL) للتجربة مع روبوت 'أعمى'). العمودين الأخيرين تمثل حالة "حلقة مغلقة من دون (CL) ومع (CL + TS) بروتوكول التعلم تنفيذها من خلال تحفيز كزازي (TS)، ويجري تسليمها إلى الثقافة عقب تلقيها ضربات ضد عقبة. في كل مربع، والجزء الأفقي المركزي يمثل متوسط التوزيع، وساحة فارغة القيمة المتوسطة، يمتد شريط المركزي إلى الربع الأول والثالث وشعيرات تمتد إلى 5 عشر و 95 عشر المئوية. وتتمثل القيم المتطرفة كما الماس. وقد أجريت إحصاءات باستخدام Kruskall-اليس تحليل التباين الأحاديعلى صفوف: المقارنة زوجيا الطلاب-نيومان-Keuls تكشف أن جميع القيم الوسيطة تختلف اختلافا كبيرا مع ع <0.05.
الشكل 3: فك يؤثر أداء الروبوتية الرسم البياني أعلاه يمثل احتمال، لخوارزمية فك معين، للروبوت للتنقل بنجاح من خلال المسار القصير في كمية محدودة من الوقت. يتم تنفيذ تحديد رشقات نارية والمسامير المعزولة في الوقت الحقيقي أثناء التجربة نفسها. في الحالة الأولى ('المسامير') كل المسامير الكشف عن تقديم نفس الوزن النسبي، لتوزيعات الثانية والثالثة تم تعيين وزنها 0 ل، على التوالي، والمسامير معزولة والمسامير ينتمون إلى انفجار. تمثل العمودين الأخيرين النتائج التي تم الحصول عليها في حالة حيث يتم احتساب كل المسامير ل، ولكن مع الوزن النسبي مختلفة وفقا لموقفهم.ولا سيما في العمود عزل التموج الرابعة أعطيت أعلى الوزن النسبي من الأحداث تنفجر، بينما هو مقلوب الترجيح لفك المتعلقة البيانات الطابور الخامس. في كل رسم بياني، خط المركزي يمثل متوسط التوزيع، وساحة فارغة القيمة المتوسطة، في حين يمتد شريط المركزي إلى الربع الأول والثالث وشعيرات تمتد إلى 5 عشر و 95 عشر المئوية. وقد أجريت إحصاءات باستخدام Kruskall-اليس تحليل التباين الأحادي على الرتب. المقارنة البشرى (طريقة الطلابية-نيومان-Keuls،) يكشف عن أن اختلافات كبيرة (P <0.05) ويمكن ملاحظة بين الأعمدة 1 و 4 و 2 و 4 و 2 و 5 و 2 و 3.
Discussion
في هذه الورقة بنية العصبية الروبوتية تعتمد على وحدة تحكم العصبي (أي شبكة من الخلايا العصبية القادمة من القشرة أو الحصين من الفئران الجنينية)، توصيل ثنائية إتجاهي لالروبوت الظاهري، وتقدم. الروبوت، التي لديها أجهزة الاستشعار والعجلات، وأجبر على التحرك في الساحة ساكنة مع العقبات ويتكون مهمتها لتجنب الاصطدامات.
الجانب الأول وربما الأكثر أهمية من الإجراء الموضح هو إعداد الثقافات أنفسهم، حيث أن نسبة الفشل سوف تميل إلى أن تكون كبيرة حتى في أفضل الظروف التقنية. وصف تفصيلي للتقنيات زراعة هو، ومع ذلك، خارج نطاق العمل الحالي. كمبدأ عام، ينبغي أن يحدث التسجيلات عندما يصل معدل اطلاق شبكة على مستوى مستقر، وعادة بعد 3 أسابيع في المختبر. وهناك مؤشر تقريبي لثقافات صحية هو وجود النشاط الكهربية عفوية في العديد من تسجيل channإلس (لا يقل عن 20 قنوات أكثر من 60 متوفرة). وتتميز هذه الثقافات بدرجة عالية من الخلايا العصبية بين الاتصال. في ظل هذه الظروف، النشاط العصبي عادة ما يصبح متزامنة وبقوة، في بعض الأحيان، فإنه يعرض الأحداث صرعي، مع ارتفاعه الشديد تليها طويلة دقيقة فترات صامتة 37. كل من هذه الميزات يمثل مشكلة: سوف تزامن المفرط يجعل من المستحيل التمييز بين الاستجابات للمثيرات من أقطاب مختلفة، في حين الثقافات واظهار النشاط صرعي سوف تستجيب لحافز الأول قدم مع فورة طويل من النشاط، تليها فترة الصامتة، بغض النظر عن أي مؤثرات المتعاقبة تسليمها. كل من هذه القضايا يمكن تحسينها بشدة توظيف الثقافات منقوشة 35، حيث يتم تقسيم السكان العصبي إلى قسمين أو أكثر ضعيفة مترابطة مجموعات فرعية.
وثمة مسألة أخرى هي أن الاستجابات العصبية تعتمد بشدة على توزيع الامفيتامين واردةط 38،39. في تجربة حلقة مغلقة، والتحفيز تسليمها هي وظيفة من قراءات أجهزة الاستشعار، والتي، بدورها، هي نتيجة للحركة الروبوت، وبالتالي من الاستجابات العصبية نفسها. وهذا يعني أنه لا توجد طريقة سهلة لإنشاء مسبقا ما الاستجابات سيتم وحظ خلال التجربة الفعلية. ونتيجة لذلك، واختيار من الأقطاب الكهربائية المدخلات والمخرجات يجب أن تعتمد على تقريبية المتعاقبة. في بروتوكول صفها، وهي عملية من خطوتين (وهي الخطوات 5.5 و 6.4) ويتم تنفيذ في محاولة لتحديد خريطة الاتصال. في الخطوة الأولى، يتم تسليم تسلسل منتظم من التحفيز وتستخدم الردود على مثل هذه المحفزات لاستخلاص خريطة اتصال الأولى ومجموعة مؤقتة من القنوات تسجيل. ثم يتم استخدام هذا التكوين لأداء اختبار القيادة هو موضح في الخطوة 6.4 و تحديد القنوات تسجيل التي سيتم رصدها خلال التجربة الفعلية.
في قسم النتائج، وهو احتياط الملاحة التمثيليةوتعرض الموج وتحسينات فورية الناجمة عن إدخال نموذج التعلم. في جميع أنحاء وصف البروتوكول، وأشار إلى العديد من المتغيرات الأخرى الممكنة التجريبية. على سبيل المثال، وهما النظم الرئيسية الترميز تنفيذها في HyBrainWare2 (الخطية ومؤشر ستوكاستيك) حيث وضعت للتحقيق في دور الدقيق للتقلب مدخلات الزمني على الكود العصبي 38. في حالة الخطية، ومعدل التحفيز لحظية هي وظيفة من المعلمات المعرفة من قبل المستخدم وأجهزة استشعار الروبوت التسجيلات. في حالة العشوائية، لكل مثيل الوقت لديه الاحتمال نظرا ليتم اختيار لتقديم الحوافز. يتم احتساب هذا الاحتمال تلقائيا من قبل HyBrainWare2 ذلك أن معدلات التحفيز المتوقعة المباراة التي من الحالة الأولى. إمكانية إضافة إلى غضب يوفر الترميز الخطي الانتقال السلس بين الحالتين هو موضح أعلاه. في نفس الطريق، واستكشاف مجموعات مختلفة من المعلمات في القسم فك قد تساعد تسليط الضوء على PRECIالدور ذاته من انفجار في المختبر في الشبكات العصبية. سرعة كل عجلة من الروبوت يزيد يتناسب مع المعلمة الوزن في كل مرة يتم الكشف عن حدث في منطقة الانتاج المقابلة، في حين أن معامل الانقراض يشير وكم من الوقت، في ثوان، واحدة من المساهمات يلزم لتفقد 50٪ من قيمتها . الاضمحلال هو بسيط الأسي. وقد تم بالفعل اتخاذ تلك المتغيرات في الاعتبار في التصميم الحالي من HyBrainWare2، ولكن العديد من الفرص البحثية مفتوحة إذا يمكن إدخال تعديلات إضافية في البرنامج أو الإعداد التجريبية.
وجود قيود كبير بدلا من بروتوكول هنا وصف هو شرط للبرنامج تم تطويره العرف، HyBrainWare2 (متاح مجانا عند الطلب لجميع المستخدمين المهتمين). وقد تم تصميم هذا البرنامج لمجموعة من الأجهزة (مشجعا، لوحة الاستحواذ، مكبر للصوت MEA) لنموذج والشركة المصنعة محددة. بينما هو في الواقع من الممكن تكييفه للعمل على ديالاجهزة fferent، سيتم تحويل يستغرق بعض مهارة البرمجة. وبالمثل، تغطي الخيارات وشملت فقط مجموعة محدودة من جميع الأسئلة التجريبية التي يمكن أن يتم التحقيق من خلال هذا الإعداد. على سبيل المثال، خوارزمية الكشف عن ارتفاع تنفيذها في الهندسة المعمارية قدم (الوقت الدقيق الكشف عن ارتفاع 40) ويعرف تماما من قبل العديد من المعلمات الثابت ترميز التي تحتاج إلى أن تتغير إذا موضوع تسجيل مختلف جدا عن الشبكات العصبية فصل (على سبيل المثال، وخلايا القلب أو شرائح). وأخيرا، ويتكون بروتوكول التعلم من تسليم قصيرة، ذات تردد عال (2 ثانية من التحفيز 20 هرتز، كل نبضة التحفيز هو نفس تلك المستخدمة لتشفير المعلومات الحسية) التحفيز عقب كل ضربة عقبة. إذا كان الروبوت يضرب عقبة مع جانبها الأيمن، يتم تسليم التحفيز كزازي إلى القطب التي عادة رموز للحصول على معلومات الجانب الأيمن ويصدق الشيء نفسه لتوجيه ضربات الجانب الأيسر. هذا البروتوكول هو الثابت تلوينها ولا يمكن بالبريد تغيرت من قبل المستخدم دون تعديل الخروج البرمجيات.
في حين أن الإعداد المعروضة هنا ليس هو أول نظام يتجسد للتجارب الهجين، حلقة مغلقة 20،23،27،41،42، تركزت على تلك التي صممت في الماضي على أطروحة واحدة مدعومة ببيانات من عدد محدود من استعدادات مماثلة . من ناحية أخرى، وقد استخدم الإعداد وصفها لعدد كبير من التجارب (تم تسجيل أكثر من 100 الثقافات منذ عام 2012) مع الاستعدادات المختلفة للنمطية والأصل، في حين أن التجارب أنفسهم موجهة القضايا المختلفة (مثل تأثير التحفيز كزازي و أهمية انفجار، كما وردت في النتائج). في المستقبل القريب، من المتوقع جلسات تجريبية جديدة للتحقق من آثار دائمة على حد سواء التحفيز كزازي وحلقة مغلقة، والعلاقة بين التحفيز انتظام، ولاحظ الردود. وثمة مسألة أخرى لمعالجتها هي الصلة بين النشاط العفوي والملاحظ، معفكرة إضافة خوارزمية فك جديدة تأخذ بعين الاعتبار تاريخ النشاط الماضي والتحفيز 43.
Acknowledgments
الكتاب نود أن بفضل دكتوراه طالب مارتا Bisio لزراعة وصيانة شبكات الخلايا العصبية على الصغير الكهربائي صفائف والدكتور مرسى ناني والدكتورة كلوديا Chiabrera من NBT-IIT للمساعدة الفنية لإجراءات تشريح والتفكك. تلقت الأبحاث الرائدة لهذه النتائج بتمويل من البرنامج الإطاري السابع للاتحاد الأوروبي (ICT-FET FP7 / 2007-2013 FET يونغ مخطط المستكشفون) بموجب اتفاقية منحة رقم 284772 BRAIN BOW ( www.brainbowproject.eu ). فإن الكتاب أود أيضا أن أشكر سيلفيا Chiappalone لمساعدتها في إنتاج الرسومات المستخدمة في المقدمة.
Materials
| Name | Company | Catalog Number | Comments |
| Stimulus Generator 4002 | Multi Channel Systems | ||
| MEA1060-Inv-BC | Multi Channel Systems | ||
| TC02 | Multi Channel Systems | ||
| NI 6255 Acquisition Card | National Instruments | ||
| Microsoft Visual Studio 2008 | Microsoft | ||
| 2078P Multichannel System-National Instruments adapter board | Developed at University of Genova (Italy) | ||
| Matlab 2010 | Mathworks | ||
| HyBrainWare2 | HyBrainWare2: Contact Information |
References
- Fetz, E. E. Volitional control of neural activity: implications for brain–computer interfaces. The Journal of Physiology. 579 (3), 571-579 (2007).
- Carmena, J. M., et al. Learning to control a brain–machine interface for reaching and grasping by primates. PLoS Biology. 1 (2), e42 (2003).
- Azin, M., Guggenmos, D. J., Barbay, S., Nudo, R. J., Mohseni, P. A miniaturized system for spike-triggered intracortical microstimulation in an ambulatory rat. Biomedical Engineering, IEEE Transactions on. 58 (9), 2589-2597 (2011).
- Angotzi, G. N., Boi, F., Zordan, S., Bonfanti, A., Vato, A. A programmable closed-loop recording and stimulating wireless system for behaving small laboratory animals. Scientific Reports. 4, (2014).
- Maher, M., Pine, J., Wright, J., Tai, Y. -C. The neurochip: a new multielectrode device for stimulating and recording from cultured neurons. Journal of Neuroscience. 87 (1), 45-56 (1999).
- Olsson, R. H., Buhl, D. L., Sirota, A. M., Buzsaki, G., Wise, K. D. Band-tunable and multiplexed integrated circuits for simultaneous recording and stimulation with microelectrode arrays. Biomedical Engineering, IEEE Transactions on. 52 (7), 1303-1311 (2005).
- Zanos, S., Richardson, A. G., Shupe, L., Miles, F. P., Fetz, E. E. The Neurochip-2: an autonomous head-fixed computer for recording and stimulating in freely behaving monkeys. Neural Systems and Rehabilitation Engineering. IEEE Transactions on. 19 (4), 427-435 (2011).
- Reger, B. D., Fleming, K. M., Sanguineti, V., Alford, S., Mussa-Ivaldi, F. A. Connecting brains to robots: an artificial body for studying the computational properties of neural tissues. Artificial Life. 6 (4), 307-324 (2000).
- Hales, C. M., Roston, J. D., Potter, S. M. How to culture, record and stimulate neuronal networks on micro-electrode arrays (MEAs). Journal of Visualized Experiments. (39), 2056 (2010).
- Gross, G., Rieske, E., Kreutzberg, G., Meyer, A. A new fixed-array multi-microelectrode system designed for long-term monitoring of extracellular single unit neuronal activity in vitro. Neurosci Lett. 6 (2), 101-105 (1977).
- Potter, S. M., DeMarse, T. B. A new approach to neural cell culture for long-term studies. Journal of Neuroscience Methods. 110 (1), 17-24 (2001).
- le Feber, J., Stegenga, J., Rutten, W. L. The effect of slow electrical stimuli to achieve learning in cultured networks of rat cortical neurons. PLoS One. 5 (1), e8871 (2010).
- Marom, S., Shahaf, G. Development learning and memory in large random networks of cortical neurons: lessons beyond anatomy. Quarterly reviews of biophysics. 35 (1), 63-87 (2002).
- Shahaf, G., Marom, S. Learning in networks of cortical neurons. The Journal of Neuroscience. 21 (22), 8782-8788 (2001).
- Pelt, J., Vajda, I., Wolters, P. S., Corner, M. A., Ramakers, G. J. Dynamics and plasticity in developing neuronal networks in vitro. Progress in Brain Research. 147, 171-188 (2005).
- Chiappalone, M., Bove, M., Vato, A., Tedesco, M., Martinoia, S. Dissociated cortical networks show spontaneously correlated activity patterns during in vitro development. Brain Research. 1093 (1), 41-53 (2006).
- Tateno, T., Jimbo, Y., Robinson, H. Spatio-temporal cholinergic modulation in cultured networks of rat cortical neurons: spontaneous activity. Neuroscience. 134 (2), 425-437 (2005).
- Masquelier, T., Deco, G. Network bursting dynamics in excitatory cortical neuron cultures results from the combination of different adaptive mechanism. PLoS One. 8 (10), e75824 (2013).
- Wagenaar, D. A., Madhavan, R., Pine, J., Potter, S. M. Controlling bursting in cortical cultures with closed-loop multi-electrode stimulation. The Journal of Neuroscience. 25 (3), 680-688 (2005).
- Martinoia, S., et al. Towards an embodied in vitro electrophysiology: the NeuroBIT project. Neurocomputing. 58-60, 1065-1072 (2004).
- Mussa-Ivaldi, F. A., et al. New perspectives on the dialogue between brains and machines. Frontiers in Neuroscience. 4 (1), 44 (2010).
- Warwick, K., et al. Controlling a Mobile Robot with a Biological Brain. Defence Science Journal. 60 (1), (2010).
- Kudoh, S. N., et al. Vitroid–the robot system with an interface between a living neuronal network and outer world. International Journal of Mechatronics and Manufacturing Systems. 4 (2), 135-149 (2011).
- Jimbo, Y., Tateno, T., Robinson, H. Simultaneous induction of pathway-specific potentiation and depression in networks of cortical neurons. Biophysical Journal. 76 (2), 670-678 (1999).
- Chiappalone, M., Massobrio, P., Martinoia, S. Network plasticity in cortical assemblies. European Journal of Neuroscience. 28 (1), 221-237 (2008).
- Mulas, M., Massobrio, P., Martinoia, S., Chiappalone, M. A simulated neuro-robotic environment for bi-directional closed-loop experiments. Paladyn. 1 (3), 179-186 (2010).
- Novellino, A., et al. Connecting neurons to a mobile robot: an in vitro bidirectional neural interface. Computational Intelligence and Neuroscience. 2007 (12725), 1-13 (2007).
- Bologna, L. L., et al. Investigating neuronal activity by SPYCODE multichannel data analyzer. Neural Networks. 23 (6), 685-697 (2010).
- Frega, M., et al. Cortical cultures coupled to micro-electrode arrays: a novel approach to perform in vitro excitotoxicity testing. Neurotoxicology and Teratology. 34 (1), 116-127 (2012).
- Quian Quiroga, R., Panzeri, S. Extracting information from neuronal populations: information theory and decoding approaches. Nature Reviews Neuroscience. 10 (3), 173-185 (2009).
- Donoho, D. L., Johnstone, J. M. Ideal spatial adaptation by wavelet shrinkage. Biometrika. 81 (3), 425-455 (1994).
- Martinez, J., Pedreira, C., Ison, M. J., Quian Quiroga, R. Realistic simulation of extracellular recordings. Journal of neuroscience methods. 184 (2), 285-293 (2009).
- Wagenaar, D. A., Pine, J., Potter, S. M. Effective parameters for stimulation of dissociated cultures using multi-electrode arrays. Journal of Neuroscience Methods. 138 (1-2), 27-37 (2004).
- Tessadori, J., Mulas, M., Martinoia, S., Chiappalone, M. Biomedical Robotics and Biomechatronics (BioRob), 2012 4th IEEE RAS & EMBS International Conference on. , 332-337 (2012).
- Tessadori, J., Bisio, M., Martinoia, S., Chiappalone, M. Modular neuronal assemblies embodied in a closed-loop environment: toward future integration of brains and machines. Frontiers in Neural Circuits. 6, (2012).
- Neural Engineering (NER). Tessadori, J., et al. 2013 6th International IEEE/EMBS Conference on Neural Engineering, , 899-902 (2013).
- Colombi, I., Mahajani, S., Frega, M., Gasparini, L., Chiappalone, M. Effects of antiepileptic drugs on hippocampal neurons coupled to micro-electrode arrays. Frontiers in Neuroengineering. 6, 10 (2013).
- Gal, A., Marom, S. Entrainment of the intrinsic dynamics of single isolated neurons by natural-like input. Journal of Neuroscience. 33 (18), 7912-7918 (2013).
- Mainen, Z. F., Sejnowski, T. J. Reliability of spike timing in neocortical neurons. Science. 268 (5216), 1503-1506 (1995).
- Maccione, A., et al. A novel algorithm for precise identification of spikes in extracellularly recorded neuronal signals. Journal of neuroscience methods. 177 (1), 241-249 (2009).
- DeMarse, T. B., Wagenaar, D. A., Blau, A. W., Potter, S. M. The neurally controlled animat: biological brains acting with simulated bodies. Autonomous Robots. 11 (3), 305-310 (1023).
- Bakkum, D. J., Chao, Z. C., Potter, S. M. Spatio-temporal electrical stimuli shape behavior of an embodied cortical network in a goal-directed learning task. Journal of Neural Engineering. 5 (3), 310-323 (2008).
- Truccolo, W., Hochberg, L. R., Donoghue, J. P. Collective dynamics in huma and monkey sensorimotor cortex: predicting single neuron spikes. Nature Neuroscience. 13 (1), 105-111 (2010).
