{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2779009"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2779009","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Προέλευση των κρίσιμων διακυμάνσεων στο δυναμικό μεμβράνης των νευρώνων.","abstract":"Στην εποχή μας έχει γίνει σημαντική η εξέλιξη της έρευνας στο πεδίο της υπολογιστικής νευροεπιστήμης, αλλά και της σύζευξης αυτής με τεχνολογικές εφαρμογές σε διάφορα πεδία, από εκείνο της ιατρικής μέχρι εκείνο της τεχνητής νοημοσύνης. Στην παρούσα εργασία παρουσιάζουμε το μοντέλο Hodgkin και Huxley, το οποίο έχει ενσωματώσει πληροφορία για τα κανάλια ιόντων της μεμβράνης και αποδίδει με μεγάλη ακρίβεια το Δυναμικό Ενεργείας. Προσφέρει τη δυνατότητά να αναπαράγουμε τον θόρυβο του δυναμικού μεμβράνης, Vm, και μάλιστα με τρόπο που οι τιμές του Vm να παρουσιάζουν κρίσιμη συμπεριφορά. Όμως, ο θόρυβος, που παράγεται μέσα από αυτό το μοντέλο, παρουσιάζει κρίσιμους εκθέτες που τελικά είναι σε ασυμφωνία με αντίστοιχα πειραματικά δεδομένα. Έτσι, αφού δείξουμε αυτή την αδυναμία του μοντέλου, προχωράμε στην παρουσίαση ενός μοντέλου δικτύου νευρώνων το οποίο να μπορεί να αναπαράγει το Δ.Ε., να αναπαράγει το θόρυβο, να εμφανίζει κρίσιμη συμπεριφορά και οι κρίσιμοι εκθέτες να είναι σε συμφωνία με τα πειραματικά δεδομένα. Παράλληλα το μοντέλο ενσωματώνει παράμετρο που μπορούμε να ταυτίσουμε με πειραματικό μέγεθος, όπως το ρεύμα Is, που χρησιμοποιείται ως εξωτερικό ερέθισμα σε πειράματα.","abstract_html":"Στην εποχή μας έχει γίνει σημαντική η εξέλιξη της έρευνας στο πεδίο της υπολογιστικής νευροεπιστήμης, αλλά και της σύζευξης αυτής με τεχνολογικές εφαρμογές σε διάφορα πεδία, από εκείνο της ιατρικής μέχρι εκείνο της τεχνητής νοημοσύνης. Στην παρούσα εργασία παρουσιάζουμε το μοντέλο Hodgkin και Huxley, το οποίο έχει ενσωματώσει πληροφορία για τα κανάλια ιόντων της μεμβράνης και αποδίδει με μεγάλη ακρίβεια το Δυναμικό Ενεργείας. Προσφέρει τη δυνατότητά να αναπαράγουμε τον θόρυβο του δυναμικού μεμβράνης, Vm, και μάλιστα με τρόπο που οι τιμές του Vm να παρουσιάζουν κρίσιμη συμπεριφορά. Όμως, ο θόρυβος, που παράγεται μέσα από αυτό το μοντέλο, παρουσιάζει κρίσιμους εκθέτες που τελικά είναι σε ασυμφωνία με αντίστοιχα πειραματικά δεδομένα. Έτσι, αφού δείξουμε αυτή την αδυναμία του μοντέλου, προχωράμε στην παρουσίαση ενός μοντέλου δικτύου νευρώνων το οποίο να μπορεί να αναπαράγει το Δ.Ε., να αναπαράγει το θόρυβο, να εμφανίζει κρίσιμη συμπεριφορά και οι κρίσιμοι εκθέτες να είναι σε συμφωνία με τα πειραματικά δεδομένα. Παράλληλα το μοντέλο ενσωματώνει παράμετρο που μπορούμε να ταυτίσουμε με πειραματικό μέγεθος, όπως το ρεύμα Is, που χρησιμοποιείται ως εξωτερικό ερέθισμα σε πειράματα.","abstract_has_math":false,"creators":["Πούλος Παναγιώτης","Poulos Panagiotis"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-11-19T05:31:57Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2779009"],"render_values":[{"text":"uoadl:2779009","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2779009","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2779009","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2779009","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Πούλος Παναγιώτης","Poulos Panagiotis"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2018"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2779009","https://pergamos.lib.uoa.gr/uoa/dl/object/2779009"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στην εποχή μας έχει γίνει σημαντική η εξέλιξη της έρευνας στο πεδίο της υπολογιστικής νευροεπιστήμης, αλλά και της σύζευξης αυτής με τεχνολογικές εφαρμογές σε διάφορα πεδία, από εκείνο της ιατρικής μέχρι εκείνο της τεχνητής νοημοσύνης. Στην παρούσα εργασία παρουσιάζουμε το μοντέλο Hodgkin και Huxley, το οποίο έχει ενσωματώσει πληροφορία για τα κανάλια ιόντων της μεμβράνης και αποδίδει με μεγάλη ακρίβεια το Δυναμικό Ενεργείας. Προσφέρει τη δυνατότητά να αναπαράγουμε τον θόρυβο του δυναμικού μεμβράνης, Vm, και μάλιστα με τρόπο που οι τιμές του Vm να παρουσιάζουν κρίσιμη συμπεριφορά. Όμως, ο θόρυβος, που παράγεται μέσα από αυτό το μοντέλο, παρουσιάζει κρίσιμους εκθέτες που τελικά είναι σε ασυμφωνία με αντίστοιχα πειραματικά δεδομένα. Έτσι, αφού δείξουμε αυτή την αδυναμία του μοντέλου, προχωράμε στην παρουσίαση ενός μοντέλου δικτύου νευρώνων το οποίο να μπορεί να αναπαράγει το Δ.Ε., να αναπαράγει το θόρυβο, να εμφανίζει κρίσιμη συμπεριφορά και οι κρίσιμοι εκθέτες να είναι σε συμφωνία με τα πειραματικά δεδομένα. Παράλληλα το μοντέλο ενσωματώνει παράμετρο που μπορούμε να ταυτίσουμε με πειραματικό μέγεθος, όπως το ρεύμα Is, που χρησιμοποιείται ως εξωτερικό ερέθισμα σε πειράματα.","In our time, development of research in the field of computational neuroscience, as well as its coupling with technological applications in various fields, from medicine to artificial intelligence, has become important. In this paper we present the Hodgkin and Huxley model, which incorporates information about the ion channels of the membrane and offers very accurate results for the Action Potential. It also offers the ability to reproduce the noise of membrane potential, Vm, in a way that Vm values show critical behavior. However, the noise generated by this model presents critical exponents which, ultimately, are inconsistent with corresponding experimental data. Thus, having demonstrated this weakness of the model, we proceed to present a neural network model that can reproduce the A.P., reproduce noise, display critical behavior and the critical exponents are in agreement with experimental data. At the same time, there is an inherent parameter in the model that we can identify with an experimental physical quantity, such as current Is, which is used as external stimulus in experiments."]},{"key":"dc:title","label":"Title","values":["Προέλευση των κρίσιμων διακυμάνσεων στο δυναμικό μεμβράνης των νευρώνων."]}]}],"canonical_facts":{"dc:creator":["Πούλος Παναγιώτης","Poulos Panagiotis"],"dc:date":["2018"],"dc:description":["Στην εποχή μας έχει γίνει σημαντική η εξέλιξη της έρευνας στο πεδίο της υπολογιστικής νευροεπιστήμης, αλλά και της σύζευξης αυτής με τεχνολογικές εφαρμογές σε διάφορα πεδία, από εκείνο της ιατρικής μέχρι εκείνο της τεχνητής νοημοσύνης. Στην παρούσα εργασία παρουσιάζουμε το μοντέλο Hodgkin και Huxley, το οποίο έχει ενσωματώσει πληροφορία για τα κανάλια ιόντων της μεμβράνης και αποδίδει με μεγάλη ακρίβεια το Δυναμικό Ενεργείας. Προσφέρει τη δυνατότητά να αναπαράγουμε τον θόρυβο του δυναμικού μεμβράνης, Vm, και μάλιστα με τρόπο που οι τιμές του Vm να παρουσιάζουν κρίσιμη συμπεριφορά. Όμως, ο θόρυβος, που παράγεται μέσα από αυτό το μοντέλο, παρουσιάζει κρίσιμους εκθέτες που τελικά είναι σε ασυμφωνία με αντίστοιχα πειραματικά δεδομένα. Έτσι, αφού δείξουμε αυτή την αδυναμία του μοντέλου, προχωράμε στην παρουσίαση ενός μοντέλου δικτύου νευρώνων το οποίο να μπορεί να αναπαράγει το Δ.Ε., να αναπαράγει το θόρυβο, να εμφανίζει κρίσιμη συμπεριφορά και οι κρίσιμοι εκθέτες να είναι σε συμφωνία με τα πειραματικά δεδομένα. Παράλληλα το μοντέλο ενσωματώνει παράμετρο που μπορούμε να ταυτίσουμε με πειραματικό μέγεθος, όπως το ρεύμα Is, που χρησιμοποιείται ως εξωτερικό ερέθισμα σε πειράματα.","In our time, development of research in the field of computational neuroscience, as well as its coupling with technological applications in various fields, from medicine to artificial intelligence, has become important. In this paper we present the Hodgkin and Huxley model, which incorporates information about the ion channels of the membrane and offers very accurate results for the Action Potential. It also offers the ability to reproduce the noise of membrane potential, Vm, in a way that Vm values show critical behavior. However, the noise generated by this model presents critical exponents which, ultimately, are inconsistent with corresponding experimental data. Thus, having demonstrated this weakness of the model, we proceed to present a neural network model that can reproduce the A.P., reproduce noise, display critical behavior and the critical exponents are in agreement with experimental data. At the same time, there is an inherent parameter in the model that we can identify with an experimental physical quantity, such as current Is, which is used as external stimulus in experiments."],"dc:identifier":["uoadl:2779009","https://pergamos.lib.uoa.gr/uoa/dl/object/2779009"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Προέλευση των κρίσιμων διακυμάνσεων στο δυναμικό μεμβράνης των νευρώνων."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:31:57Z"}