Corpo celular (Soma): A parte central de um neurônio, incluindo o núcleo e as organelas, é o centro de controle metabólico e genético da célula.

Dendritos: Estruturas ramificadas que se estendem do corpo celular. Sua superfície é coberta por sinapses. Eles são os principais responsáveis ​​por receber sinais de outros neurônios.

Axônio: fibra longa e fina que se estende do corpo celular e é responsável pela transmissão de sinais elétricos para outros neurônios ou células musculares.

Sinapse: O ponto de conexão entre os neurônios, consistindo na membrana pré-sináptica (o terminal do axônio do neurônio emissor), a fenda sináptica (o minúsculo espaço entre dois neurônios) e a membrana pós-sináptica (que recebe os dendritos ou corpos celulares dos neurônios).

Potencial de repouso: Quando um neurônio não é estimulado, há uma diferença de potencial entre o interior e o exterior da membrana celular, que geralmente é negativa (cerca de -70 milivolts) e é mantida principalmente pela saída de íons potássio.

Potencial de ação: Quando o dendrito recebe um sinal excitatório de força suficiente, o canal de íons de sódio se abre e os íons de sódio fluem, fazendo com que o potencial de membrana suba até o limiar (cerca de -55 milivolts), desencadeando o potencial de ação.

Condução elétrica: Os potenciais de ação se propagam ao longo dos axônios a velocidades que variam de dezenas a centenas de metros por segundo, determinadas pelo isolamento de mielina do axônio e pela ativação sequencial de canais iônicos.

Liberação de neurotransmissores: Quando o potencial de ação atinge o terminal do axônio, faz com que íons de cálcio entrem na célula, desencadeia a fusão das vesículas sinápticas e da membrana pré-sináptica e libera neurotransmissores na fenda sináptica.

Fenda sináptica: Os neurotransmissores se difundem através da fenda sináptica até a membrana pós-sináptica. Esse processo é muito rápido, geralmente da ordem de milissegundos.

Ligação ao receptor: Os neurotransmissores ligam-se a receptores específicos na membrana pós-sináptica, fazendo com que os canais iônicos abram ou fechem, alterando o potencial da membrana e gerando potenciais pós-sinápticos excitatórios ou inibitórios.

Integração de sinal: O dendrito de um neurônio pós-sináptico pode receber sinais de múltiplos axônios. Esses sinais são integrados no corpo celular para determinar se o limiar é atingido para gerar um novo potencial de ação.

Potenciação de longo prazo (LTP): A eficiência da transmissão sináptica é aumentada através da estimulação excitatória repetida, que é um dos principais mecanismos de aprendizagem e memória. A LTP envolve um aumento no número de receptores de membrana pós-sináptica, um aumento na sensibilidade do receptor e um aumento na eficiência da liberação de neurotransmissores da membrana pré-sináptica.

Depressão de longo prazo (LTD): A eficiência da transmissão sináptica é enfraquecida pela estimulação inibitória repetida, oposta à LTP. LTD envolve uma diminuição no número ou sensibilidade dos receptores de membrana pós-sináptica.

Poda sináptica: Durante o desenvolvimento, as sinapses inativas são eliminadas e as sinapses ativas são fortalecidas como forma de o cérebro se adaptar às mudanças no ambiente. A poda sináptica ajuda a otimizar a estrutura das redes neurais e a melhorar a eficiência do processamento de informações.

Modelo de neurônios: Neurônios artificiais em RNAs (redes neurais artificiais) geralmente contêm entradas (dendritos), pesos (força das sinapses), funções de ativação (simulando a ação de neurotransmissores) e saídas (terminais de axônios).

Atualização de peso: Nas RNAs, os pesos são ajustados por um algoritmo de aprendizagem (como retropropagação) para minimizar o erro de previsão, semelhante à plasticidade sináptica. O objetivo da atualização de peso é melhorar a capacidade da rede de reconhecer dados de entrada.

Função de ativação: A função de ativação em RNAs simula a resposta não linear dos neurônios, como ReLU (Rectified Linear Unit) ou função Sigmóide, que determina se o neurônio "ativa" e transmite sinais. A escolha da função de ativação tem um impacto importante na capacidade de aprendizagem e no desempenho da rede.

Estrutura de rede: As RNAs podem ter múltiplas camadas de neurônios para formar estruturas de rede complexas, semelhantes à organização hierárquica dos neurônios no cérebro. Redes de aprendizagem profunda, como redes neurais convolucionais (CNNs) e redes neurais recorrentes (RNNs), simulam diferentes níveis de processamento de informações e processamento de séries temporais no cérebro.