Alternative approaches for synchronization and control applications in neuromorphological network structures

Bu tezde, FitzHugh Nagumo (FHN) Hindmarsh Rose (HR) ve Izhikevich nöron modelleri kullanılarak nöral topluluklar oluşturulmuştur. Bu nöron modelleri sırasıyla elektriksel ve kimyasal bağlantı türleri kullanılarak çift yönlü bağlantı ile birbirine bağlanmıştır. İlk olarak, elektriksel ve kimyasal bağlantı türleri için ayrı ayrı herhangi bir kontrol yöntemi kullanılmadan, sinaptik ağırlık değişiminin senkron ateşleme üzerindeki etkileri ele alınmıştır. Kuplajlanan nöronlar arasındaki senkronizasyon durumları, standart sapma sonuçları kullanılarak gözlemlenmiştir. Bu çalışmada, Lyapunov, geri adımlamalı ve geri beslemeli senkronizasyon kontrol yöntemleri hem elektriksel hem de kimyasal olarak eşleştirilmiş nöronlara uyarlanmıştır. Sonrasında, denetleyici yapılarının etkinlikleri için, kuplajlı nöronların membran potansiyelleri arasındaki genlik ve faz farkları, alternatif bir hata fonksiyonu kullanılarak hesaplanmıştır. Son olarak FHN ve Izhikevich nöron modelleri ayrı ayrı alan programlanabilir kapı dizisi (FPGA) cihazı ile gerçeklenmiştir.
In this thesis, neural ensembles were constructed using the FitzHugh Nagumo (FHN), Hindmarsh Rose (HR) and Izhikevich neuron models. These neuron models are interconnected by a bidirectional using electrical and chemical link types, respectively. First, the effects of synaptic junction weight variation on synchronous firing are discussed without using any control method separately for electrical and chemical junction types. The synchronization states between the coupled neurons were observed using the standard deviation results. In this study, Lyapunov, backstepping, and feedback synchronization control methods are applied to both electrically and chemically coupled neurons. Then, the amplitude and phase differences between the membrane potentials of the coupled neurons for the activities of the controller structures were calculated using an alternative error function. Finally, FHN and Izhikevich neuron models were implemented separately with field programmable gate array (FPGA) device.