Implementazione di un modello della memoria semantica e lessicale basato sull'utilizzo di features

L’elaborato utilizza un modello neurale, sviluppato nel lavoro di ricerca del prof. Ursino (2010) e successivamente modificato (2011 e 2012), al fine di analizzare alcuni meccanismi alla base della memoria semantica e lessicale. In particolare, la tesi si riferisce alla versione più recente del modello da cui ne deriva uno più semplificato come possibile modalità con cui l’uomo apprende i concetti, li immagazzina in opportune aree cerebrali e collega tali concetti alla parola corrispondente.

Modelli di memoria semantica e lessicale: Studio dei meccanismi neurali di apprendimento e formazione di categorie

Le basi neurali della memoria semantica e lessicale sono oggetto di indagine da anni nelle neuroscienze cognitive. In tale ambito, un ruolo crescente è svolto dall’uso di modelli matematici basati su reti di neuroni. Scopo del presente lavoro è di utilizzare e migliorare un modello sviluppato in anni recenti, per spiegare come la conoscenza del significato di parole e concetti sia immagazzinata nel sistema nervoso e successivamente utilizzata. Il principio alla base del modello è che la semantica di un concetto è descritta attraverso una collezione di proprietà, che sintetizzano la percezione del concetto stesso nelle diverse regioni corticali. Gli aspetti semantici e lessicali sono memorizzati in regioni separate, ma reciprocamente connesse sulla base dell’esperienza passata, secondo un meccanismo di apprendimento Hebbiano. L’obiettivo del lavoro è stato quello di indagare i meccanismi che portano alla formazione di categorie. Una importante modifica effettuata è consistita nell’utilizzare un meccanismo di apprendimento Hebbiano a soglia variabile, in grado di adattarsi automaticamente alla statistica delle proprietà date in input. Ciò ha portato ad un miglioramento significativo dei risultati. In particolare, è stato possibile evitare che un proprietà comune a molti (ma non a tutti) i membri di una categoria (come la proprietà “vola” per la categoria “uccelli”) sia erroneamente attribuita all’intera categoria. Nel lavoro viene presentato lo stesso modello con quattro differenti tassonomie, relative ad animali e a oggetti artificiali. La rete, una volta addestrata con una delle 4 tassonomie, è in grado di risolvere compiti di riconoscimento e denominazione di concetti, mantenendo una distinzione tra le categorie e i suoi membri, e attribuendo un diverso ruolo alle proprietà salienti rispetto alle proprietà marginali. Le tassonomie presentano un numero di concetti e features crescente, per avvicinarsi al reale funzionamento della memoria semantica, in cui ai diversi concetti è associato un numero diverso di caratteristiche.

Simulazione della bradicinesia in soggetti parkinsoniani attraverso modello neurale

I Gangli della Base svolgono un ruolo molto importante nel movimento volontario, ovvero nel meccanismo di azione-selezione, e la loro influenza è evidente soprattutto in alcune patologie che ancora ad oggi sono in fase di studio: una di queste è il Morbo di Parkinson. I Gangli della Base comprendono quattro formazioni nervose: lo striato, il globus pallidus, la substantia nigra e il nucleo subtalamico: essi ricevono le principali afferenze dalla corteccia cerebrale ed inviano le principali efferenze al tronco dell’encefalo, e, per mezzo del talamo, alle corteccia prefrontale, premotoria e motrice. A differenza della maggior parte delle altre componenti dei sistemi motori, i Gangli della Base non stabiliscono direttamente né connessioni afferenti, né efferenti con il midollo spinale. Il compito principale svolto dai Gangli dDella Base è la selezione di un’azione: esso permette ad un’azione di essere selezionata rispetto ad un’altra, che in questo modo viene inibita. La descrizione dell’anatomia, dei meccanismi fisiologici e del Morbo di Parkinson è trattata nel Capitolo 1. In questo elaborato è utilizzato il modello computazionale di Mauro Ursino e Chiara Baston, che sarà illustrato dettagliatamente nel Capitolo 2, riguardante il meccanismo di azione-selezione svolto dai Gangli della Base. E’ descritto un sistema di valutazione di un paziente parkinsoniano, il tapping test: esso consiste in un movimento alternato del dito e ad oggi risulta essere uno dei metodi più semplici per ottenere informazioni sulla gravità della bradicinesia. L’obiettivo di questo lavoro è quello di comprendere, tramite l’analisi di simulazioni effettuate per mezzo del modello computazionale di Mauro Ursino e Chiara Baston, come la frequenza di tapping dipenda dal variare di alcuni parametri delle equazioni del modello: gli effetti dovuti alla variazione di un singolo parametro o più di uno, saranno mostrati nel Capitolo 3.

Simulazione di finger tapping attraverso un modello neurale

Il seguente elaborato ha lo scopo di analizzare, attraverso modelli neuro-computazionali, le possibili alterazioni delle risposte in pazienti con malattia di Parkinson, sia indotte da alterazioni del livello di dopamina, sia indotte da modificazioni sinaptiche. Il punto chiave per comprendere i sintomi di PD e il loro deterioramento temporale si deve cercare nel rapporto tra l'attività dei neuroni in BG (in particolare nello striato) e i livelli di dopamina (o levodopa) nel cervello. Di conseguenza, l'obiettivo di questo elaborato è quello di quantificare la connessione tra i livelli di levodopa e performance del finger tapping per mezzo di modelli biologici e simulazioni al computer.

Meccanismi neurali per la rappresentazione semantica e lessicale: modello di una rete neurale per apprendere il significato di oggetti e parole

Lo studio della memoria semantica attraverso modelli teorici (qualitativi o matematici) gioca un ruolo importante nelle neuroscienze cognitive. In questa tesi viene presentato un modello della memoria semantica e lessicale. Il principio alla base del modello è che la semantica di un oggetto è descritta attraverso una collezione di proprietà, che sintetizzano la percezione dell’oggetto nelle diverse regioni corticali. Gli aspetti semantici e lessicali sono memorizzati in regioni separate del cervello, ma reciprocamente connesse sulla base dell’esperienza passata, secondo un meccanismo di apprendimento Hebbiano. L’obiettivo del lavoro è indagare i meccanismi che portano alla formazione di categorie, analizzare il ruolo delle diverse proprietà nella costruzione di un concetto e le connessioni tra queste proprietà e la parola corrispondente al nome dell’oggetto. Durante l’addestramento per ogni oggetto sono presentate alcune proprietà in input, con una data frequenza: alcune sono condivise, cioè appartengono a più di un concetto e permettono la formazione di categorie, altre sono distintive, cioè sono tipiche di un concetto e consentono la rappresentazione dei membri di una categoria. Un ulteriore aspetto riguardante le proprietà è la distinzione fra proprietà salienti, che sono spontaneamente evocate, e proprietà marginali. E’ stata utilizzata una tassonomia composta da 11 parole che identificano 11 animali. La salienza è stabilita dalla frequenza con cui si verifica ciascuna proprietà. La distinzione tra proprietà condivise e distintive, e tra proprietà salienti e non salienti, è stata ottenuta mediante l’uso della regola di Hebb con una diversa soglia presinaptica e postsinaptica, producendo patterns di sinapsi asimmetriche all’interno della rete semantica (auto-associazione) e tra la rete semantica e lessicale (etero-associazione). La rete addestrata è in grado di risolvere compiti di riconoscimento e denominazione di oggetti, mantenendo una distinzione tra le categorie e i suoi membri, e fornendo un diverso ruolo per le proprietà salienti rispetto alle proprietà marginali.

Analisi del ventriloquismo temporale mediante rete neurale.

La percezione coerente del mondo esterno è basata sull'integrazione della grande varietà di input provenienti dalle differenti modalità sensoriali. Il processo di elaborazione delle diverse informazioni recepite, fin dalle prime fasi, è caratterizzato da meccanismi ancora in fase di studio, che, però, possono essere rilevati tramite l’utilizzo di modelli computazionali basati su una rete neurale specifica. In questa Tesi si è preso in considerazione il modello neurale elaborato per simulare gli aspetti spaziali e temporali di illusioni audiovisive, quali l’effetto ventriloquismo e la fission illusion, in modo da poter svolgere un’analisi computazionale del ventriloquismo temporale. Il principale effetto di questo fenomeno consiste nello spostamento dell’istante di occorrenza di uno stimolo visivo verso quello di un segnale acustico presentato in prossimità temporale. Il modello, basato principalmente sul fatto che i neuroni visivi e uditivi comunicano tramite sinapsi eccitatorie e che i campi recettivi spazio-temporali sono differenti per le due modalità sensoriali, è in grado di riprodurre i principali effetti dell’integrazione temporale tra gli stimoli, dando luogo all'effetto illusorio. Si è adattato il modello in modo da rilevare, quantificare e misurare l’estensione del ventriloquismo temporale per diverse disposizioni spaziali e temporali di presentazione degli stimoli. L’analisi è stata ripetuta variando i principali parametri, in modo da rilevare la sensibilità del modello e, quindi, fare valutazioni sui fattori particolarmente influenzanti il fenomeno, confrontando poi i risultati con i dati in letteratura.

Fluctuation properties in random walks on networks and simple integrate and fire models

In questa tesi si è studiato l’insorgere di eventi critici in un semplice modello neurale del tipo Integrate and Fire, basato su processi dinamici stocastici markoviani definiti su una rete. Il segnale neurale elettrico è stato modellato da un flusso di particelle. Si è concentrata l’attenzione sulla fase transiente del sistema, cercando di identificare fenomeni simili alla sincronizzazione neurale, la quale può essere considerata un evento critico. Sono state studiate reti particolarmente semplici, trovando che il modello proposto ha la capacità di produrre effetti "a cascata" nell’attività neurale, dovuti a Self Organized Criticality (auto organizzazione del sistema in stati instabili); questi effetti non vengono invece osservati in Random Walks sulle stesse reti. Si è visto che un piccolo stimolo random è capace di generare nell’attività della rete delle fluttuazioni notevoli, in particolar modo se il sistema si trova in una fase al limite dell’equilibrio. I picchi di attività così rilevati sono stati interpretati come valanghe di segnale neurale, fenomeno riconducibile alla sincronizzazione.

Modello di rete neurale per lo studio di fenomeni di integrazione visuoacustica in soggetti sani e patologici

L’integrazione multisensoriale è la capacità del sistema nervoso di utilizzare molteplici sorgenti sensoriali. Una tra le più studiate forme di integrazione è quella tra informazioni visive ed acustiche. La capacità di localizzare uno stimolo acustico nello spazio è un processo meno accurato ed affidabile della localizzazione visiva, di conseguenza, un segnale visivo è spesso in grado di “catturare” (ventriloquismo) o di incrementare (enhancement multisensoriale) la performance di localizzazione acustica. Numerose evidenze sperimentali hanno contribuito ad individuare i processi neurali e le aree cerebrali alla base dei fenomeni integrativi; in particolare, un importante contributo viene dallo studio su soggetti con lesioni cerebrali. Tuttavia molti aspetti sui possibili meccanismi coinvolti restano ancora da chiarire. Obiettivo di questa tesi è stato lo sviluppo di un modello matematico di rete neurale per fare luce sui meccanismi alla base dell’interazione visuo-acustica e dei suoi fenomeni di plasticità. In particolare, il modello sviluppato è in grado di riprodurre condizioni che si verificano in-vivo, replicando i fenomeni di ventriloquismo ed enhancement in diversi stati fisiopatologici e interpretandoli in termini di risposte neurali e reciproche interazione tra i neuroni. Oltre ad essere utile a migliorare la comprensione dei meccanismi e dei circuiti neurali coinvolti nell’integrazione multisensoriale, il modello può anche essere utile per simulare scenari nuovi, con la possibilità di effettuare predizioni da testare in successivi esperimenti.

Modello matematico della memoria spaziale nell'ippocampo: Simulazioni e analisi di sensitivita

E' stata presentata un'analisi di sensitività di un modello matematico della memoria spaziale nell'ippocampo. Il modello usa le masse neuronali per simulare le oscillazioni theta delle place cells dell'ippocampo. I risultati mostrano che il modello è robusto a variazioni di diversi parametri.

Analisi di grafi su architetture a memoria distribuita

Questo lavoro di tesi tratta il tema delle reti complesse, mostrando i principali modelli di rete complessa quali: il modello Random, il modello Small-World ed il modello Scale-free; si introdurranno alcune metriche usate per descrivere le reti complesse quali la Degree centrality, la Closeness centrality e la Betweenness centrality; si descriveranno i problemi da tenere in considerazione durante la definizione e l’implementazione di algoritmi su grafi; i modelli di calcolo su cui progettare gli algoritmi per risolvere i problemi su grafi; un’analisi prestazionale degli algoritmi proposti per calcolare i valori di Beweenness centrality su grafi di medio-grandi dimensioni. Parte di questo lavoro di tesi è consistito nello sviluppo di LANA, LArge-scale Network Analyzer, un software che permette il calcolo e l’analisi di varie metriche di centralità su grafo.

Modello matematico dell'integrazione audio-visiva e del suo sviluppo in un ambiente multisensoriale

L'integrazione multisensoriale è la capacità da parte del sistema nervoso centrale di integrare informazioni provenienti da diverse sorgenti sensoriali. In particolare, l'integrazione audio-visiva avviene anche nelle cortecce visive e acustiche, in principio ritenute puramente unisensoriali. L'integrazione audio-visiva non è un'abilità innata, ma si sviluppa progressivamente nel tempo sulla base dell'esperienza. In questa Tesi viene presentato un modello matematico di rete neurale in grado di simulare lo sviluppo in un ambiente multisensoriale dei neuroni delle cortecce primarie visive e uditive nei primi mesi di vita di un neonato, e gli effetti dell'integrazione audio-visiva successivi a tale addestramento. In particolare il modello vuole mostrare, a partire da una condizione basale in cui i neuroni visivi e acustici non sono in grado di discriminare spazialmente la posizione degli input esterni e in cui non sussiste alcuna correlazione tra le due aree corticali primarie visive e uditive, come l'addestramento migliori la precisione della percezione spaziale degli stimoli esterni e come si stabiliscano tra le due aree in esame dei collegamenti stabili a lungo termine. Terminato l'addestramento, si verifica se la rete sia in grado di riprodurre gli effetti di integrazione audio-visiva nella corteccia primaria, quali la "cattura" dello stimolo acustico da parte di quello visivo (ventriloquismo) e il rafforzamento della risposta neurale allo stimolo acustico se contemporaneamente accompagnato da uno stimolo visivo nella stessa posizione spaziale (enhancement). Il modello potrebbe essere utilizzato in futuro anche per simulare altri fenomeni illusori come il fenomeno offline del ventriloquismo e il ventriloquismo a livello temporale.