Hem.
Huvudsyftet med detta examensarbete har varit att evaluera, både kvantitativt och kvalitativt, i vilken utsträckning det är möjligt att få en datormodell av Bayesiansk inkrementell inlärning att likna experimentella fysiologiska data för LTP, långtids-potentiering. Detta särskilt när det föreligger tidsmässig differans mellan stimulit till neuronerna. Genom att justera de ursprungliga sannolikhetsvärdena är det möjligt att simulera olika föregående stimuli till neuronerna. Förändring av tidskonstanterna tillåter synapsernas viktförändring att delvis likna biologiska data, en liten förändring när tidsskillnaden är stor och en tydlig potentiering när det presynaptiska stimulit anländer före det postsynaptiska. Det var dock i denna studie inte möjligt att återskapa den depression som uppträder i biologiska experiment när postsynaptiska stimulit föregår den presynaptiska.
Läs preliminär rapport på engelska i postscript-format(1.1MB)