'Caja negra' biológica: ¿cómo probar la lógica subyacente?

Hay una matemática de redes neuronales que necesitas examinar, y muchas otras técnicas no lineales. En resumen, tienes una gran literatura para ponerte al día. Debe ser mucho más específico acerca de lo que está tratando de lograr antes de obtener una ayuda real, pero le sugiero que busque en la revista "Redes neuronales" para ayudarlo a comenzar a clasificar esto. Podría ayudarlo a elegir un campo donde se usen con frecuencia tales herramientas, como la literatura sobre epilepsia, y ver qué se aplica a su campo.

De manera genérica, toda la metodología que puede elegir usar se encuentra bajo el título "Neurociencia computacional". El mejor intro de propósito general que conozco que lo guiará a través de muchos tipos de modelos es el de "Métodos en el modelado neuronal" de Kristoff Koch. Es un pelo anticuado, pero al menos debería enseñarte un poco del lenguaje de lo que estás tratando. Otra referencia posible es " Tutorial sobre modelado de sistemas neuronales de Tom Anastasio" (Tom is en realidad un amigo mío desde antes que considerara la neurociencia).

Si estás realmente interesado y dispuesto a poner recursos detrás del interés, he escuchado cosas muy buenas sobre algunos de los cursos de Woods Hole, como enlace

La gente estudia durante años para llegar a donde quieres ir. La mejor recomendación que obtendrás es cazar alto y bajo para que un colaborador te ayude en tu camino. Calcule lo que trae a la mesa en un acuerdo de este tipo, y encuentre un ingeniero que pueda estar interesado en su campo, probablemente un ingeniero biomédico.

Tiene un conjunto de entradas que corresponden a un conjunto de salidas. Desea predecir cómo funciona el circuito con varias entradas. Este es un problema clásico de aprendizaje automático.

Más aún, ya que está utilizando una red de células cerebrales, las 'redes neuronales' pueden ser un buen modelo para su sistema. Puede configurar los nodos para imitar la función de activación de las celdas, configurar las capas para que tenga un número similar de conexiones, entradas, salidas, etc.

El siguiente paso es entrenar la red con sus entradas y salidas conocidas. El entrenamiento de la red neuronal implica el ajuste de los pesos entre nodos, tal vez incluso el abandono de nodos o conexiones, de modo que cuando se aplica el conjunto de entradas de entrenamiento se acerque a las salidas correctas.

Una vez que la red está capacitada, puede aplicar nuevas entradas y ver qué sale. Puede verificar la red aplicando las mismas entradas nuevas a las células cerebrales reales y ver si se obtiene la misma salida. Esto se puede hacer retrospectivamente usando solo la mitad de los datos ya recolectados para entrenar, y la otra mitad para probar. La topología de la red se puede ajustar hasta que le brinde un buen ajuste.

Creo que necesitas un matemático / estadístico / ingeniero con experiencia en aprendizaje automático con redes neuronales. Supongo que estás en una universidad? Esto haría un gran proyecto colaborativo. Sin embargo, requerirá algo de tiempo.

Creo que necesitas aprender mucho más sobre cómo funcionan las células nerviosas antes de intentar experimentos como este. No puedo imaginar por qué cree que "la respuesta de frecuencia es una propiedad probable" como lo es para una red RC. Responden a tipos muy específicos de estímulos, y pensar en su comportamiento como si fueran simples circuitos eléctricos no lo llevarán muy lejos.