UNIVERSIDAD POLITÉCNICA DE VICTORIA

Ingeniería Mecatrónica

MICROCONTROLADORES

PRÁCTICA 6

Alumnos:
Guerrero Ferrer Jenifer Yadira
Guerrero Mercado Aldo Sahid

Ing. Jesús Alejandro Paz Villafaña

Cd. Victoria, Tam. Marzo, 2018

1
ÍNDICE

1 INTRODUCCIÓN ........................................................................................................................ 3
2 OBJETIVOS.................................................................................................................................. 4
2.1 OBJETIVO GENERAL ......................................................................................................... 4
2.2 OBJETIVOS ESPECÍFICOS ................................................................................................. 4
3 MARCO TEÓRICO ...................................................................................................................... 5
3.1 Neurona .................................................................................................................................. 5
3.2 Funcionamiento ...................................................................................................................... 5
3.3 Potencial de acción ................................................................................................................. 6
3.4 Modelo de Izhikevich ............................................................................................................. 7
4 DESARROLLO ............................................................................................................................ 8
5 RESULTADOS ............................................................................................................................. 9
6 CONCLUSIÓN ........................................................................................................................... 12
REFERENCIAS ............................................................................................................................. 13

2
1 INTRODUCCIÓN

A continuación, se presenta el proceso de desarrollo de un programa cuyo propósito es

emular el modelo neuronal diseñado por Eugene M. Izhikevich el cual, por medio de metodologías
de bifurcación, se reduce a un sistema bidimensional de ecuaciones diferenciales ordinarias, las
cuales representan los impulsos neuronales.

Las redes neuronales de impulsos son un tipo de redes neuronales artificiales más realistas
que las redes neuronales artificiales clásicas, es decir, procesan la información de una forma más
similar a las redes neuronales biológicas. Una de sus principales diferencias con las redes
neuronales clásicas es la inclusión de la variable tiempo.

El programa fue desarrollado en MikroC y cargado en un microcontrolador PIC 16F628A,

el cual se conectó a un convertidor digital-analógico (DAC). Este último componente se elaboró
basado en el modelo de escalera R-2R.

3
2 OBJETIVOS

2.1 OBJETIVO GENERAL

Simular en un microcontrolador PIC el comportamiento de una neurona basándose en las
ecuaciones del modelo neuronal de Izhikevich, mediante un programa realizado en MikroC.
2.2 OBJETIVOS ESPECÍFICOS
Hacer uso de los recursos de electrónica para representar los datos enviados por los puertos
del microcontrolador mediante un osciloscopio de forma correcta.
Comprender la función de cada una de las variables involucradas en la ecuación, para tener
una mejor perspectiva de lo que se pretende obtener de esta práctica.

4
3 MARCO TEÓRICO

3.1 Neurona
La neurona es una célula especializada y es la unidad básica del sistema nervioso. Tiene un
cuerpo celular con un núcleo central y otras estructuras que son importantes para mantener la vida
de la célula. La neurona tiene axones y dendritas. Los axones, también llamados fibras nerviosas,
conducen impulsos nerviosos lejos de la célula y las dendritas reciben los impulsos de otras
neuronas. Para la protección y el aislamiento de los axones se encuentra la vaina de mielina, la
mielina incrementa la velocidad de transmisión del impulso nervioso.

Figura 1 Ilustración de las partes de una neurona.

3.2 Funcionamiento
Para que las neuronas produzcan impulsos nerviosos o potenciales de acción, que son ondas
de carga eléctricas que se desplazan a lo largo de las fibras nerviosas, se requiere de un estímulo
que las active. Cuando la neurona reciba un estímulo, la carga eléctrica del interior de la membrana
celular cambia de negativa a positiva.

Figura 2 Punto de comunicación entre neuronas (sinapsis)

5
3.3 Potencial de acción

Se le llama umbral al nivel en el que el estímulo es suficientemente intenso como para

transmitir un impulso nervioso. Cuando se alcanza el umbral el impulso viaja a lo largo de toda la
longitud de la fibra nerviosa.

Figura 3 Cuando el potencial de membrana aumenta su valor superando el umbral elegido,

comienza una fase de despolarización hasta alcanzar un valor pico a partir del cual disminuye
su valor, enrando en la fase de despolarización hasta llegar a la zona de reposo.

Figura 4 El cambio rápido desde despolarización a hiperpolarización produce un potencial de

acción o spike. El conjunto de varios potenciales de acción en un corto intervalo de tiempo es
denomina ráfaga o burst.

6
3.4 Modelo de Izhikevich
El modelo basa su comportamiento en un sistema de 2 ecuaciones diferenciales ordinarias y en dos
requisitos: ser un modelo simple y a la vez ser capaz de reproducir el comportamiento neuronal
real. Este modelo representa un tipo de neurona pulsante que emite un pulso cuando la tensión de
membrana supera un determinado nivel de disparo.

𝑣 ′ = 0.04𝑣 2 + 5𝑣 + 140 − 𝑢 + 𝐼
𝑢′ = 𝑎(𝑏𝑣 − 𝑢)

Si

𝑣 ≥ 30𝑚
𝑣→𝑐
𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 {
𝑢 →𝑢+𝑑

Donde:

• 𝑢(𝑡) representa la variable de recuperación de la membrana. Provee una retroalimentación

negativa para 𝑣(𝑡).
• a describe la escala de tiempo para la variable de recuperación 𝑢(𝑡). Valores pequeños
significan una recuperación lenta.
• b describe la sensibilidad de la variable de recuperación 𝑢(𝑡) a los cambios subumbrales
del potencial de membrana 𝑣(𝑡).
• c describe el valor de retorno del potencial de membrana de 𝑣(𝑡) después del potencial de
acción. Es un parámetro con unidades mV.
• d describe el valor de retorno de la variable de recuperación 𝑢(𝑡) después del potencial de
acción.

7
4 DESARROLLO

A continuación, se presenta y explica el código para el desarrollo del modelo de Izhikevich.

float a=0.02, b=0.2, ce=-65, d=2, i=14;

El modelo de Izhikevich se basa
float vp=0, up=0, vant=0, uant=0, vact=0; en un sistema de 2 ecuaciones:
float v=0, uact=0; vp y up.

void main () { Los valores de vact y uact se

obtienen mediante la
TRISB = 0; multiplicación de la ecuación
PORTB = 0; vp/up multiplicado por un
tamaño de paso fijo, en este caso
While (1) { es 0.01, a esta multiplicación se
le suma el valor de vant/uant.
vp= 0.04*vant*vant + 5*vant +140-uant+i;
Si el valor de disparo supera los
up=a*(b*vant-uant);
30 mV: vact tomará el valor de
vact=(vp*0.01) + vant; la constante c, igual a -65, que
será el valor de retorno del
uact=(up*0.01) + uant;
potencial de la membrana y uact
if(vact>30) { incrementará su valor en 2.

vact=ce; El valor de salida será v, que es

igual al valor de vact con un
uact=uact+d; incremento de 80, esto para
} visualizar la variable en un
rango de v positivo.
v = vact + 80;
El PIC envía el valor de v en
PORTB = v; forma de pulsos a través de los
vant=vact; pines y estas señales son
enviadas al DAC para ser
uant=uact; visualizada en un osciloscopio.
} Después de que la señal es
enviada al puerto B, las
}
variables vant y uant toman los
valores actuales de vact y uact.

8
5 RESULTADOS

Figura 1.
Simulación de la neurona pulsante en MATLAB.

Figura 2.
Circuito elaborado en Proteus 8 Professional.

9
 Figura 3.
Simulación de la neurona pulsante en Proteus 8 Professional.

Figura 4.
Circuito físico elaborado con un pic16f628A y un DAC.

10
 Figura 5.
Circuito y osciloscopio utilizados para visualizar la neurona pulsante del modelo de Izhikevich.

Figura 6
Gráfica en osciloscopio de la neurona pulsante del modelo de Izhikevich.

11
6 CONCLUSIÓN

Se puede observar que los resultados físicos se asemejan mucho a los resultados de la
simulación, aunque la forma de onda del circuito armado presentaba unas pequeñas desviaciones.
También, debido al bajo rango de voltaje que entregaba el circuito, el osciloscopio interpretaba la
señal de salida como un ruido, siendo incapaz de medir la intensidad de esta. Aún con estas
deficiencias, se logró simular de manera exitosa los impulsos de la neurona de Izhikevich.

Con base en los resultados de la práctica, tanto físicos como en la simulación, se pudo
comprender de una manera más clara el modelo neuronal representado.

12
REFERENCIAS

• Kindersley, D. (2001). Human Body. Random House Mondadori.

13