• computational neuroscience
• intermittency-driven complexity
• neural networks

In this thesis we have studied the ability of a simulated EEG signal, obtained from a simulated neural network, to show a feature known as temporal complexity. First, a brief introduction to the brain composition and the EEG features is presented; in chapter 2 the modeling of single neurons and of neural populations is discussed, along with the models used in the numerical simulations; chapter 3 focuses on the concept of temporal complexity in this kind of signals as well as the main related analyses; chapter 4 is devoted to the results obtained by means of numerical simulations and complexity analyses in two different brain conditions. Conclusions along with some possible future perspectives are presented in chapter 5.
In questa tesi è stata studiata la capacità dei segnali EEG simulati, ottenuti a partire dalla simulazione di una rete neuronale, di mostrare una caratteristica chiamata temporal complexity. In primo luogo, viene effettuata una breve introduzione alla composizione del cervello e alle caratteristiche dell'EEG; nel capitolo 2 viene discussa la modellizzazione dei singoli neuroni e delle popolazioni neurali, insieme ai modelli utilizzati nelle simulazioni numeriche; nel capitolo 3, viene affrontato il concetto di temporal complexity in questo tipo di segnali. Nel capitolo 4 vengono discussi i risultati ottenuti, per due differenti stati cerebrali, dalle simulazioni numeriche e dalle corrispettive analisi. Nel capitolo 5 vengono discusse le relative conclusioni.