Submitted by Automação e Estatística (sst@bczm.ufrn.br) on 2018-05-03T22:57:21Z No. of bitstreams: 1 DanielGarciaTeixeira_DISSERT.pdf: 2395648 bytes, checksum: d18ab806f8ec064f97c3987cacc1c194 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-05-14T21:12:24Z (GMT) No. of bitstreams: 1 DanielGarciaTeixeira_DISSERT.pdf: 2395648 bytes, checksum: d18ab806f8ec064f97c3987cacc1c194 (MD5) / Made available in DSpace on 2018-05-14T21:12:24Z (GMT). No. of bitstreams: 1 DanielGarciaTeixeira_DISSERT.pdf: 2395648 bytes, checksum: d18ab806f8ec064f97c3987cacc1c194 (MD5) Previous issue date: 2018-03-29 / A oscilação gama está presente em diversas áreas do cérebro, como no hipocampo, desempenhando um importante mecanismo para o funcionamento da memória. Encontramos diversos modelos capazes de explicar a geração das oscilações gama e explicam suas duas funcionalidades, agrupamento sincronizado temporalmente das sinapses dos neurônios e a de selecionar quais neurônios devem disparar em cada ciclo deste sincronismo. Funcionalidades estas que imprimem um caráter computacional do processamento neural a este sistema, como a separação de padrões e a formação de assembleias neurais. Porém, a análise destes modelos existentes demonstra ser muito sensível às variações das atividades cerebrais, sendo fortemente afetados por variações nas suas camadas de entrada, de modo a aparentar não possuir uma boa robustez, gerando muita variação de sua frequência de saída, assim como na competitividade entre estes neurônios. Entretanto, ao se considerar uma importante parte do circuito biológico não considerada em trabalhos anteriores, uma rede de inibição alimentada à frente nos possibilitou a criação de um novo modelo. Baseando-nos no modelo de neurônio de Izhikevich, geramos um novo modelo com uma maior estabilidade em sua saída às variações na camada de entrada, bem como um custo computacional reduzido e proximidade do modelo biológico. Em posse deste novo modelo, será possível criar redes neurais com maior capacidade de neurônios, com custo computacional reduzido, além da possibilidade de análise do comportamento individual em cada neurônio do modelo. / Gamma oscillation is present in several areas of the brain, such as the hippocampus, playing an important mechanism for memory functioning. We found several models capable of explaining the generation of the gamma oscillations and explain their two functionalities, that of synchronously grouping the synapses of the neurons and of selecting which neurons must trigger in each cycle of this synchronism. These functionalities impart a computational character of neural processing to this system, such as the separation of patterns and the formation of neural assemblies. However, the analysis of these existent models shows to be very sensitive to the variations of the cerebral activities, being strongly affected by variations and their layers of entrance, in order to appear not to have a good robustness, generating much variation of their frequency of exit, as in between these neurons. However, when considering an important part of the biological circuit not considered in previous studies, a fed-in inhibition network enabled us to create a new model. Based on the Izhikevich neuron model, we generated a new model with greater robustness to the variations in the input layer, as well as a reduced computational cost and proximity of the biological model. In the possession of this new model, it will be possible to create neural networks with greater capacity of neurons, with reduced computational cost, besides the possibility of analyzing the individual behavior in each neuron of the model.