Modelado del Comportamiento de Ratas en Laberinto en Cruz Elevado Basado en Redes Neuronales Artificiales

• Autores: D. A. Miranda
• Localización: Revista de la Sociedad Colombiana de Física, ISSN-e 0120-2650, Vol. 41, Nº. 2, 2009, págs. 406-408
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    El estudio del comportamiento de una rata de laboratorio en el laberinto en cruz elevado (LCE) es empleado en la comprensión de algunos estados anímicos y en pruebas de medicamentos ansiolíticos y ansiogénicos. Algunos autores sugieren que el modelado computacional de una rata de laboratorio en LCE permitiría un mejor entendimiento del funcionamiento del cerebro ante ciertos medicamentos y bajo ciertos estados anímicos. El modelado de una rata de laboratorio en LCE se puede realizar de diversas maneras, siendo el empleo de redes neuronales artificiales (RNA) una alternativa con un apreciable significado neurobiológico. Se reporta un modelo computacional del comportamiento de ratas Wistar macho expuestas durante cinco minutos al LCE bajo condiciones de luz controlada, inyectadas con solución salina, basado en una red neuronal artificial (RNA) backpropagation. Los parámetros de entrenamiento de la red fueron extraídos directamente del ambiente en que se realizó el experimento y se introdujeron a la RNA.

  • English

    Study of laboratory rat behavior in elevated plus-maze (EMP) is used to understand mood states and to test anxiolytic and anxiogenic drugs. Some authors suggest that the computational modelling of a laboratory rat behavior in EMP would allow a better understanding of the brain operation under the effects of certain drugs and under certain mood states. The modelling of behavior of a laboratory rat in EMP can be conducted in different ways, being the artificial neural networks (ANN) an alternative with important neurobiological meaning. This paper shows a computational model of male Wistar rats injected with saline solution and exposed during five minutes to EMP under controlled conditions of light. The computational model is based in backpropagation artificial neural network (ANN). The parameters of training were extracted directly from the experimental environment and introduced into the ANN.