Spiking neural network with distributed plasticity to model physiological and pathological cerebellum : validation of learning features over different tasks

The present work regards the study of a realistic cerebellar Spiking Neural Network in reproducing cerebellum-driven tasks. Due to the complexity of the model, it has been tuned through an Evolutionary Algorithm and then the stability and robustness have been tested in simulations and real-robotic platform tests. The comparison with experimental data allowed to further validate the model. Finally, as a proof of concept we challenged the network in reproducing pathological behavior, demonstrating one of the most promising applications of cerebellar computational models.

Il presente lavoro di tesi riguarda lo studio di una Spiking Neural Network realistica cerebellare in protocolli guidati dal cervelletto. Data la complessità del problema, la rete è stata ottimizzata con un Algoritmo Evoluzionistico e ne è poi stata verificata la stabilità, insieme alla robustezza, in simulazioni in silico e su piattaforme robotiche. Il confronto con dati sperimentali ha poi permesso di validare ulteriormente il modello. Infine come applicazione promettente la rete neurale è stata utilizzata per simulare comportamenti patologici.