eISSN: 2618-6446
Latest Issue Archive Future Issues About Us JOURNALS

SETSCI - Volume 3 (2018)
ISAS2018-Winter - 2nd International Symposium on Innovative Approaches in Scientific Studies, Samsun, Turkey, Nov 30, 2018

Izhikevich Sinir Hücresi Modelinin Raspberry Pi Kullanılarak Gerçekleştirilmesi (ISAS2018-Winter_237)
Vedat Burak Yücedağ1*, İlker Dalkıran2
1Erciyes University, Kayseri, Turkey
2Erciyes University, Kayseri, Turkey
* Corresponding author: vedatburakyucedag@erciyes.edu.tr
Published Date: 2019-01-14   |   Page (s): 1239-1241   |    23     6

ABSTRACT Canlılar koşma, yürüme ve emekleme gibi temel hareketlerini gerçekleştirmek için Merkezi Desen Üreteçleri olarak
isimlendirilen ritmik desenler üreten sinir hücreleri topluluğuna sahiptir. Merkezi Desen Üreteçleri, canlıların bu temel
hareketlerine ek olarak kalp atışı, solunum gibi ritmik olayları gerçekleştirmek için de görev alırlar. Merkezi Desen Üreteçleri’
nin en temel birimi olan sinir hücrelerinin yapılarını ve görevlerini anlayabilmek için literatüre çeşitli sinir hücresi modelleri
sunulmuştur (R. FitzHugh & J. Nagumo 1961, C. Morris & H. Lecar 1981, Matsuoka 1987, Izhikevich 2003). Hudgkin – Huxley
Sinir Hücresi Modeli, literatüre sunulan ilk modellerdendir ve sinir hücresinin kimyasal olarak sahip olduğu özellikleri daha
doğru bir şekilde ifade etmektedir (A. L. Hodgkin & A. F. Huxley 1952). Bu matematiksel model, dört adet lineer olmayan
denklemle ifade edilmektedir. Denklemlerin çokluğu, karmaşıklığı artırmakta bunun sonucu olarak matematiksel modelin
anlaşılması güç hale gelmektedir. Öte yandan Izhikevich’ in modeli, Hudgkin-Huxley Sinir Hücresi Modeli gibi kimyasal
doğruluğa oldukça yakındır ve Hudgkin-Huxley Sinir Hücresi Modeli’ nden farklı olarak, matematiksel karmaşıklığı çok daha
azdır. Bu çalışmada, Izhikevich’ in sunmuş olduğu matematiksel modelin MATLAB ortamında sayısal analizi yapılmış, ayrıca
Python programı kullanılarak Raspberry Pi üzerinde fiziksel gerçekleştirimi tamamlanmıştır. Daha sonra sayısal analiz ile
Raspberry Pi üzerindeki gerçekleştirim sonuçları karşılaştırılmıştır. Karşılaştırmalar sonucunda görülmüştür ki; standart bir
yapıya sahip Raspberry Pi mini bilgisayarın da Izhikevich Sinir Hücresi Modeli’ nin gerçekleştiriminde çözüm olabilmektedir.  
KEYWORDS Merkezi Desen Üreteci, Izhikevich, Python, Raspberryi Pi, Sinir Hücresi Modeli
REFERENCES [1] R. FitzHugh, “Mathematical models for excitation and propagation innerve,” Biological Engineering, 1969.
[2] A. L. Hodgkin, A. F. Huxley, “A quantitative description of membranecurrent and its applicaation to conduction and excitation in nerve,” J.
Phisiol. (Lond), 117, pp. 500-544, 1952.
[3] J. Nagumo, S. Sato, “On a respınse characteristic of mathematicalneuron model,” Kybernetik, vol. 10, pp. 155-164, 1972.
[4] C. Morris, H. Lecar, “Voltage oscillations in the barnacle giant musclefiber,” Biophysics J., 35, pp. 193-213, 1981.
[5] J. L. Hindmarsh, R. M. Rose, “A model of neural bursting using threecouple first order differential equations,” Proc. R. Soc. Lond. Biol. 221,pp. 87-102, 1984.
[6] E. M. Izhikevich, “Which Model to use for cortialspiking neurons?,”IEEE Transactions on Neural Networks, vol. 15, no. 5, 2004.
[7] E. M. Izhikevich, “Simple model of spiking neurons,” IEEETransactions on Neural Networks, vol. 14, no. 6, 2003.
[8] D. Mishra, A. Yadav, S. Ray, P. K. Kalra, “Exploring BiologicalNeuron models,” directions, the Reasearch magazine of IIT kanpur, vol.7, no. 3, pp. 13-22, 2006.
[9] D. Zhang, Q. Zhang, X. Zhu, “Exploring a type of central patterngenerator based on hindmarsh-rose model: from theory to application,”International journel of Neural system, vol. 25, no. 1, pp. 1-15, 2015.
[10] N. Dahasert, İ. Öztürk, R. Kılıç, “Exprimental realizations of the HRneuron model with programmable hardware and synchronizationapplications,” Nonlinear Dyn., vol. 70, pp. 2343 – 2358, 2012.
[11] M. Storace, D. Linaro, E. de Lange, “The Hindmarsh-Rose neuronmodel: bifurcation analysis and piecewise-linear approximations,”Chaos: An Interdisciplinary Journal of Nonlinear Science, vol. 18, no.033128, pp.
[12] (2018) The Raspberry Pi website. [Online]. Erişim:https://www.raspberrypi.org/
[13] S. Y. Bonabi, H. Asgharian, S. Safari, M.N. Ahmadabadi, “FPGAimplementation of a biological neural network based on the HodgkinHuxley neuron model,” Frontiers in Neuroscience, vol. 8, no 379. pp.1-12, 2014.
[14] N. Korkmaz, İ. Öztürk, R. Kılıç, “the investigation of chemicalcoupling in a HR neuron model with reconfigurable implementations,”Nonlinear Dyn. Vol. 86, pp. 1841-1854, 2016

SET Technology - Turkey

eISSN  : 2618-6446

E-mail : info@set-science.com
+90 533 2245325

Tokat Technology Development Zone Gaziosmanpaşa University Taşlıçiftlik Campus, 60240 TOKAT-TURKEY
©2018 SET Technology