350 rub
Journal Neurocomputers №7 for 2012 г.
Article in number:
Neural existential simulation of diffusion-synergetic detailed aspects of the volumetric neurotrnsmitting: neurocomputers in neurobiology
Keywords: neurotransmitting NO-neurotransmitting neurocomputing neurocomputing methodology neurocomputing models neurobiological researches
Authors:
A.V. Savelyev
Abstract:
Research of theoretically predicted by the author volumetric neurotransmitting (VNT) by means of diffusion of neuromessenger in 4-dimensional space of volumetric-time measurements of a brain neocortex are resulted. This corresponds to the hyper-level of interneuronal communication, which is a completely different and independent. It is established that the VNT significantly saves energy and space resources of the brain, it is necessary for the information neural processing, and in artificial neural networks. Comparison of functioning of some offered and patented modelling neural processors with biological action NO-neurotransmitting is investigated. Investigated VNT in the spillover, the basal synthesis of NO-ergic neurons, neural-vascular relations of microvasculature and NO-ergic axon terminals, multifactorial mechanism of neural modulator action of NO, which causes a long-term potentiation and long-term depression. Also, the results of the original neural network simulation, when the propagation of cross-influence of the synaptic endings on each other are provided that simulates the dynamics of volume neural action of NO-messenger, causing and supporting the DP. Proofs are furnished and drawn conclusions on importance of influence VNT in functioning a brain and necessity of the account diffusion transfers of the information in artificial neural networks that can change considerably existing methodology of neurocomputing. The study of nitroxidergic phenomena and systems of the brain, including the methods of simulation is great practical importance both in terms of synergy of the neurotoxic and neuroprotective actions also, which increases resistance to toxic factors and neural degenerative disorders, as well as an indicator of the greatest pathophysiological and diagnostic value. On the basis of earlier predicted biological VNT phenomena the conclusion that application of the biological (existential) approach in neurocomputing methodology and neurocomputing models, consisting detailed information reproduction of thin mechanisms and laws of functioning real neurons, allows to predict theoretically unknown earlier biological phenomena which can be open subsequently is done. Thus, neurocybernetics can carry out a role of additional methodology in neurobiological researches also.
Pages: 49-59
References
  1. Gally, J. A., Edelman, G. M., Nitric oxide: Linking space and time in the brain // Proc. Nat. Acad. Sci. USA. 1992. V. 89. P. 11651-11652.
  2. А. с. № 1464181. Устройство для моделирования нейрона неокортекса / Жуков А. Г., Колесников А. А., Савельева-Новоселова Н. А., Савельев А. В. Приоритет от 14.01.1987, опубл. 1989. БИ № 9.
  3. Agnati, L. F., Zoli, M., Stromberg, I., Fuxe, K., Intercellular communication in the brain: Wiring versus volume transmission // Neuroscience. 1995. V. 69. P. 711-726.
  4. Галушкин А. И. О методике решения задач в нейросетевом логическом базисе // Нейроинформатика. Ч.1. М.: МИФИ. 2006. С. 9-23.
  5. Аляутдинов М. А., Галушкин А. И., Троепольская Г. В. Перспективные средства построения высокопроизводительных масштабируемых вычислительных систем // Нейрокомпьютеры: разработка, применение.2008. № 8. C. 33-49.
  6. Bach-y-Rita, P., Aiello, G. I., Nerve length and volume in synaptic vs diffusion neurotransmission: a model // NeuroReport. 1996. V. 7. P. 1502-1504.
  7. McCulloch, W. S., Pitts, W. H., Bull. Math. Biophysics. 1943. № 5.
  8. Савельев А. В. Модель нейрона как мультицеллюлярная структура (к вопросу о том, что все-таки мы моделируем) // Нейрокомпьютеры: разработка, применение. 2002. № 1-2. С. 4-20.
  9. Ходжкин А. Л. Нервный импульс. М.: Мир. 1965.
  10. Савельев А. В. На пути к общей теории нейросетей. К вопросу о сложности // Нейрокомпьютеры: разработка, применение. 2006. № 4-5. С. 4-14.
  11. Савельев А. В. Экзистенциальное моделирование нейронного активного транспорта как ключ к новому взгляду на теорию возбуждения - торможения // Материалы 6-го Междунар. междисциплинарного конгресса «Нейронаука для медицины и психологии». Судак: 2010. С. 256-257.
  12. Галушкин А. И. О перспективах разработок и применения нейрокомпьютеров // Докл. VIII Всерос. НТК «Нейрокомпьютеры и их применение-2002». М.: ИПРЖР. 2002.
  13. Савельев А. В. Обзор изобретений в области нейрокибернетики и нейромоделирования // Радиоэлектроника. Информатика. Управление. ЗНТУ. 2007. № 2(18). С. 101-111.
  14. Watanabe, O., Idesawa, M., Computational model for neural representation of multiple disparities // Neural Networks. 2003. V. 16. № 1. P. 25-37.
  15. Ikeda, K., A synfire chain in layered coincidence detectors with random synaptic delays // Neural Networks. 2003. V. 16. № 1. P. 39-46.
  16. ГорбаньА. Н. и др. Нейроинформатика: Коллективная монография. Новосибирск: СО РАН. Наука. 1998.
  17. Савельев А. В.Источники вариаций динамических свойств нервной системы на синаптическом уровне в нейрокомпьютинге // Искусственный интеллект. Донецк. НАН Украины. 2006. № 4. С. 323-338.
  18. Месарович М. Теория систем и биология. М.: Мир. 1971.
  19. Амосов Н. М. Моделирование разума, сознания и подсознания // Нейрофизиологические механизмы психической деятельности человека. Л.: Наука. 1974.
  20. ЭндрюА.Искусственныйинтеллект. М.: Мир. 1985.
  21. Gawel, R., Neuromorphic Engineers Craft Brain-Like Circuitry to Perform Perceptual Tasks // Electronic Design. 2000. v. 48. № 15.
  22. Rolls, E. T., On the design of neural networks in the brain by genetic evolution // Prog. Neurobiology. 2000. Aug. V. 61 (6).
  23. Петров Б. Н. Избранные труды. Т. 1-2. М.: Наука. 1983.
  24. Jenkner, M., Műller, B, Fromherz, P., Interfacing a silicon chip to pairs of snail neurons connected by electrical synapses // Biol. Cybern. 2001. V. 84 (4).
  25. Savelyev, A. V., Self-Organizational Neurocontrol in Neuronic Reverberations // CSIT. 2007. V. 1. P. 78-84.
  26. Dawson, V. L., Nitric oxide: Role in neurotoxicity // Clin. Exp. Pharmacol. Physiol. 1995. V. 22. P. 305-308.
  27. Lipton, S. A., Neuronal protection and destruction by NO // Cell Death Differ. 1999. V. 6. P. 943-951.
  28. Реутов В. П.Медико-биологические аспекты циклов оксида азота и супероксидного анион-радикала // Изв. Академиимедицинскихнаук. 2000. Вып. 4. С. 35-41.
  29. Prast, H., Philippu, A., Nitric oxide as modulator of neuronal function // Progr. Neurobiol. 2001. V. 64. P. 51-68.
  30. Hawkes, R., An anatomical model of cerebelluar modules // Prog. Brain Res. 1997. V. 114. P. 39-52.
  31. Simpson, K. I., Waterhous, B. D., Lin, R. C. S., Differential expression of nitric oxide in serotonergic projection neurons: Neurochemical identification of dorsal raphe inputs to rodent trigeminal somatosensory targets // J. Comp. Neurol. 2003. V. 466. P. 495-512.
  32. Ohkuma, S., Katsura, M., Nitric oxide and peroxynitrite as factors to stimulate neurotransmitter release in the CNS // Progr. Neurobiol. 2001. V. 64. P. 97-108.
  33. Ванин А. Ф.Динитрозильные комплексы железа и S-нитрозотиолы - две возможные формы стабилизации и транспорта оксида азота в биосистемах: (Обзор) // Биохимия. 1998. Т. 63. № 7. С. 924-938.
  34. Choi, Y. B., Tenneti, L., Le, D. A., et al., Molecular basis of NDMA receptor-coupled ion channel modulation by S-nit­risylation // Nat. Neurosci. 2000. V. 3. P. 15-21.
  35. Hartell, N. A., Parallel fiber plasticity // Cerebellum. 2000. V. 1. P. 3-18.
  36. Meffert, M. K., Calakos, N. C., Scheller, R. H., Schulman, H., Nitric oxide modulates synaptic vesicle docking fusion reactions // Neuron. 1996. V. 16. P. 1229-1236.
  37. А. с. № 1394975.Устройство для моделирования нейрона / Савельева-Новоселова Н. А., Савельев А. В. 1988.
  38. А. с. № 1406613. Устройство для моделирования нейрона / Савельев А. В.1988. БИ № 24.
  39. А. с. № 1477140. Устройство для моделирования нейрона / Жуков А. Г., Колесников А. А., Савельева-Новоселова Н. А., Савельев А. В. приоритет от 20.04.1987. Опубл. 1989.
  40. Lynch, M. A., Long-term potentiation and memory // Physiology Rev. 2004. V. 84. P. 87-136.
  41. Фролов А. А., Дюфоссе М., Прокопенко Р. А. Нейросетевая модель кортико-мозжечкового взаимодействия при выработке новой зрительно-моторной координации // Нейрокомпьютеры: разработка, применение. 2002. № 1-2. С. 53-62.
  42. Ito, M., Cerebellar long-term depression: Characterization, signal transduction, and functional roles // Physiology Rev. 2001. V. 978. P. 273-288.
  43. А.с. № 1340421.Устройство для моделирования нейрона / Савельев А. В. 1987.
  44. De Schutter, E., Cerebellar long-time depression might normalize excitation of Purkinje cells: A hypothesis // Trends Neurosci. 1995. V. 18. P. 291-295.
  45. А. с. № 1238583. Устройство для моделирования нейрона / Савельев А. В.1984.
  46. А. с. № 1436720. Устройство для моделирования нейрона / Савельева-Новоселова Н. А., Савельев А. В. 1988.
  47. Патент РФ № 2024059. Устройство для моделирования нейрона / Жуков А. Г., Савельева-Новоселова Н. А., Савельев А. В., Лаврова Т. С.БИ. Опубл. 1994. № 22.
  48. Савельев А. В.Нейросети с полевыми вычислениями. Бионейрокибернетические аспекты // Нейроинформатика-2009. Ч. I. М.: МИФИ. 2009. С. 112-124.
  49. Колушов В. В., Савельев А. В. Методология индивидуально-коллективного моделирования нейронной биовозбудимости как новая нейрокомпьютерная парадигма // Нейрокомпьютеры: разработка, применение. М.: ИПРЖР. 2010. № 8. С. 40-47.
  50. Савельев А. В. Моделирование нейродинамики экзоцитоза в нейрокомпьютинге // Искусственный интеллект. Донецк. НАНУкраины. 2007. № 3. С. 28-38.