Neuroscienze computazionali
Le neuroscienze computazionali (anche note come neuroscienze teoriche o neuroscienze matematiche) sono la branca delle neuroscienze che utilizza modelli matematici ed astrazioni del cervello per comprendere i principi che governano lo sviluppo, la struttura, la fisiologia e le funzioni cognitive del sistema nervoso.[1][2][3][4][5]
Le neuroscienze computazionali si interessano di modelli matematici biologicamente realistici dei neuroni e dunque differiscono da discipline neurofisiologicamente inverosimili come machine learning, connessionismo, intelligenza artificiale, o reti neurali artificiali.
In teoria, le neuroscienze computazionali sarebbero la sottobranca delle neuroscienze teoriche che utilizza simulazioni computazionali per validare e risolvere i modelli matematici. Tuttavia, la stragrande maggioranza dei modelli matematici neurobiologicamente relaisitici sono troppo complessi per essere risolti in maniera analitica, dunque i due termini sono essenzialmente sinonimi e possono essere usatilizzati in modo intercambiabile. Il termine neuroscienze matematiche è a volte utilizzato come sinonimo di neuroscienze computazionali per sottolineare la natura quantitativa della disciplina.[6]
- ^ Thomas P. Trappenberg, Fundamentals of Computational Neuroscience, United States, Oxford University Press Inc., 2002, p. 1, ISBN 978-0-19-851582-1.
- ^ What is computational neuroscience? Patricia S. Churchland, Christof Koch, Terrence J. Sejnowski. in Computational Neuroscience pp.46-55. Edited by Eric L. Schwartz. 1993. MIT Press Archived copy, su mitpress.mit.edu. URL consultato l'11 giugno 2009 (archiviato dall'url originale il 4 giugno 2011).
- ^ Neuronal Dynamics, Cambridge, UK, Cambridge University Press, 2014, ISBN 9781107447615.
- ^ (EN) Computational Neuroscience | The MIT Press, su mitpress.mit.edu.
- ^ (EN) What is computational neuroscience? – Computational Neuroscience, su compneuro.washington.edu.
- ^ Boris Gutkin, Mathematical neuroscience: from neurons to circuits to systems, in Journal of Physiology, Paris, vol. 97, n. 2-3, March 2003, pp. 209–219, DOI:10.1016/j.jphysparis.2003.09.005.