Inferência da conectividade neuronal e o modelo de Galves e Löcherbach
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFSCAR |
Texto Completo: | https://repositorio.ufscar.br/handle/ufscar/16829 |
Resumo: | One of the most important issues in neuroscience is to understand the dynamics of animal behavior, that is, the joint action of large numbers of neurons, body parts, and the environment. The relationship between this behavior and the way that neurons interact with each other is a challenging question, since real experiments only have access to a small part of the neural system. Alternatively, generic mathematical models are considered to describe this phenomenon. In this work, the activity of each neuron is represented by a discrete-time stochastic process, whose random variables indicate whether or not there was a neuronal spike at a given instant of time. For each neuron, the probability of observing a neuronal spike at a given instant of time depends on the evolution of presynaptic neurons since their last spiking time. We use the Galves-Löcherbach model to model this spike probability. When a neuron spikes, its membrane potential is reset to its resting potential and electrical signals are generated, modifying the membrane potential of all postsynaptic neurons. The relationship between a neuron and its presynaptic and postsynaptic neurons defines a weighted oriented graph. The objective of this work is studying, from a computation point of view, the performance of the estimation process of the connectivity graph from the observation of the neuronal activity of a finite set of neurons over a limited time interval, considering the Galves-Löcherbach model as underlying model. |
id |
SCAR_7f25d947f697705da599abc623ff5a0c |
---|---|
oai_identifier_str |
oai:repositorio.ufscar.br:ufscar/16829 |
network_acronym_str |
SCAR |
network_name_str |
Repositório Institucional da UFSCAR |
repository_id_str |
4322 |
spelling |
Schiavone, Vitor GomesFerreira, Ricardo Felipehttp://lattes.cnpq.br/2355076087945221Pena, Rodrigo Felipe de Oliveirahttp://lattes.cnpq.br/6663640683388672http://lattes.cnpq.br/69661316831451596aa950d0-ee8c-414b-953b-9b78ca0eb1422022-10-10T12:08:23Z2022-10-10T12:08:23Z2022-09-16SCHIAVONE, Vitor Gomes. Inferência da conectividade neuronal e o modelo de Galves e Löcherbach. 2022. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16829.https://repositorio.ufscar.br/handle/ufscar/16829One of the most important issues in neuroscience is to understand the dynamics of animal behavior, that is, the joint action of large numbers of neurons, body parts, and the environment. The relationship between this behavior and the way that neurons interact with each other is a challenging question, since real experiments only have access to a small part of the neural system. Alternatively, generic mathematical models are considered to describe this phenomenon. In this work, the activity of each neuron is represented by a discrete-time stochastic process, whose random variables indicate whether or not there was a neuronal spike at a given instant of time. For each neuron, the probability of observing a neuronal spike at a given instant of time depends on the evolution of presynaptic neurons since their last spiking time. We use the Galves-Löcherbach model to model this spike probability. When a neuron spikes, its membrane potential is reset to its resting potential and electrical signals are generated, modifying the membrane potential of all postsynaptic neurons. The relationship between a neuron and its presynaptic and postsynaptic neurons defines a weighted oriented graph. The objective of this work is studying, from a computation point of view, the performance of the estimation process of the connectivity graph from the observation of the neuronal activity of a finite set of neurons over a limited time interval, considering the Galves-Löcherbach model as underlying model.Uma das questões mais importantes em neurociência é entender a dinâmica do comportamento animal, isto é, a ação conjunta de um grande número de neurônios, partes do corpo, e o ambiente. A relação entre esse comportamento e a maneira com a qual os neurônios interagem uns com os outros é uma questão desafiadora, uma vez que experimentos reais têm acesso somente a uma pequena parte do sistema neural. Alternativamente, modelos matemáticos genéricos são considerados na modelagem desse fenômeno. Neste trabalho, a atividade de cada neurônio é representada por um processo estocástico a tempo discreto, cujas variáveis aleatórias indicam se houve ou não um disparo em um dado instante de tempo. Para cada neurônio, a probabilidade de se observar um disparo em um dado instante de tempo depende da evolução dos neurônios pré-sinápticos a partir do seu último disparo. Vamos considerar a modelagem dessa probabilidade a partir do modelo de Galves e Löcherbach. Quando um neurônio dispara, seu potencial de membrana é resetado para o seu potencial de repouso e sinais elétricos são gerados, modificando o potencial de membrana de todos os neurônios pós-sinápticos. A relação entre um neurônio e seus neurônios pré-sinápticos e pós-sinápticos definem um grafo orientado com peso. O objetivo deste trabalho é estudar, via simulação, a performance do processo de estimação desse grafo a partir da observação da atividade neuronal de um conjunto finito de neurônios ao longo de intervalo de tempo limitado, considerando como subjacente o modelo de Galves e Löcherbach.Não recebi financiamentoporUniversidade Federal de São CarlosCâmpus São CarlosEstatística - EsUFSCarAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCadeias estocásticas com memória de alcance variávelModelo de Galves e LöcherbachInferência da conectividade neuronalStochastic chains with variable-range memoryGalves-Löcherbach modelNeuronal connectivity inferenceCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA EM PROCESSOS ESTOCASTICOSCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADASInferência da conectividade neuronal e o modelo de Galves e LöcherbachNeuronal connectivity inference and the Galves-Löcherbach modelinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis6006008c64d439-6f5c-4dfc-88f1-144b0ce1ae8ereponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufscar.br/bitstream/ufscar/16829/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALMonografia - Vitor Gomes Schiavone.pdfMonografia - Vitor Gomes Schiavone.pdfMonografiaapplication/pdf738925https://repositorio.ufscar.br/bitstream/ufscar/16829/1/Monografia%20-%20Vitor%20Gomes%20Schiavone.pdfb0e10f426135c1cafaddffe3bf413babMD51TEXTMonografia - Vitor Gomes Schiavone.pdf.txtMonografia - Vitor Gomes Schiavone.pdf.txtExtracted texttext/plain95505https://repositorio.ufscar.br/bitstream/ufscar/16829/3/Monografia%20-%20Vitor%20Gomes%20Schiavone.pdf.txt7c508e55b1dc59c620036128466b17b4MD53THUMBNAILMonografia - Vitor Gomes Schiavone.pdf.jpgMonografia - Vitor Gomes Schiavone.pdf.jpgIM Thumbnailimage/jpeg6589https://repositorio.ufscar.br/bitstream/ufscar/16829/4/Monografia%20-%20Vitor%20Gomes%20Schiavone.pdf.jpg4b4612c7dd1bafcb9f3e7f93755f6e25MD54ufscar/168292023-09-18 18:32:33.306oai:repositorio.ufscar.br:ufscar/16829Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:32:33Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false |
dc.title.por.fl_str_mv |
Inferência da conectividade neuronal e o modelo de Galves e Löcherbach |
dc.title.alternative.eng.fl_str_mv |
Neuronal connectivity inference and the Galves-Löcherbach model |
title |
Inferência da conectividade neuronal e o modelo de Galves e Löcherbach |
spellingShingle |
Inferência da conectividade neuronal e o modelo de Galves e Löcherbach Schiavone, Vitor Gomes Cadeias estocásticas com memória de alcance variável Modelo de Galves e Löcherbach Inferência da conectividade neuronal Stochastic chains with variable-range memory Galves-Löcherbach model Neuronal connectivity inference CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA EM PROCESSOS ESTOCASTICOS CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS |
title_short |
Inferência da conectividade neuronal e o modelo de Galves e Löcherbach |
title_full |
Inferência da conectividade neuronal e o modelo de Galves e Löcherbach |
title_fullStr |
Inferência da conectividade neuronal e o modelo de Galves e Löcherbach |
title_full_unstemmed |
Inferência da conectividade neuronal e o modelo de Galves e Löcherbach |
title_sort |
Inferência da conectividade neuronal e o modelo de Galves e Löcherbach |
author |
Schiavone, Vitor Gomes |
author_facet |
Schiavone, Vitor Gomes |
author_role |
author |
dc.contributor.authorlattes.por.fl_str_mv |
http://lattes.cnpq.br/6966131683145159 |
dc.contributor.author.fl_str_mv |
Schiavone, Vitor Gomes |
dc.contributor.advisor1.fl_str_mv |
Ferreira, Ricardo Felipe |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2355076087945221 |
dc.contributor.advisor-co1.fl_str_mv |
Pena, Rodrigo Felipe de Oliveira |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/6663640683388672 |
dc.contributor.authorID.fl_str_mv |
6aa950d0-ee8c-414b-953b-9b78ca0eb142 |
contributor_str_mv |
Ferreira, Ricardo Felipe Pena, Rodrigo Felipe de Oliveira |
dc.subject.por.fl_str_mv |
Cadeias estocásticas com memória de alcance variável Modelo de Galves e Löcherbach Inferência da conectividade neuronal |
topic |
Cadeias estocásticas com memória de alcance variável Modelo de Galves e Löcherbach Inferência da conectividade neuronal Stochastic chains with variable-range memory Galves-Löcherbach model Neuronal connectivity inference CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA EM PROCESSOS ESTOCASTICOS CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS |
dc.subject.eng.fl_str_mv |
Stochastic chains with variable-range memory Galves-Löcherbach model Neuronal connectivity inference |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::INFERENCIA EM PROCESSOS ESTOCASTICOS CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS |
description |
One of the most important issues in neuroscience is to understand the dynamics of animal behavior, that is, the joint action of large numbers of neurons, body parts, and the environment. The relationship between this behavior and the way that neurons interact with each other is a challenging question, since real experiments only have access to a small part of the neural system. Alternatively, generic mathematical models are considered to describe this phenomenon. In this work, the activity of each neuron is represented by a discrete-time stochastic process, whose random variables indicate whether or not there was a neuronal spike at a given instant of time. For each neuron, the probability of observing a neuronal spike at a given instant of time depends on the evolution of presynaptic neurons since their last spiking time. We use the Galves-Löcherbach model to model this spike probability. When a neuron spikes, its membrane potential is reset to its resting potential and electrical signals are generated, modifying the membrane potential of all postsynaptic neurons. The relationship between a neuron and its presynaptic and postsynaptic neurons defines a weighted oriented graph. The objective of this work is studying, from a computation point of view, the performance of the estimation process of the connectivity graph from the observation of the neuronal activity of a finite set of neurons over a limited time interval, considering the Galves-Löcherbach model as underlying model. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-10-10T12:08:23Z |
dc.date.available.fl_str_mv |
2022-10-10T12:08:23Z |
dc.date.issued.fl_str_mv |
2022-09-16 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SCHIAVONE, Vitor Gomes. Inferência da conectividade neuronal e o modelo de Galves e Löcherbach. 2022. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16829. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufscar.br/handle/ufscar/16829 |
identifier_str_mv |
SCHIAVONE, Vitor Gomes. Inferência da conectividade neuronal e o modelo de Galves e Löcherbach. 2022. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16829. |
url |
https://repositorio.ufscar.br/handle/ufscar/16829 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.confidence.fl_str_mv |
600 600 |
dc.relation.authority.fl_str_mv |
8c64d439-6f5c-4dfc-88f1-144b0ce1ae8e |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos Estatística - Es |
dc.publisher.initials.fl_str_mv |
UFSCar |
publisher.none.fl_str_mv |
Universidade Federal de São Carlos Câmpus São Carlos Estatística - Es |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFSCAR instname:Universidade Federal de São Carlos (UFSCAR) instacron:UFSCAR |
instname_str |
Universidade Federal de São Carlos (UFSCAR) |
instacron_str |
UFSCAR |
institution |
UFSCAR |
reponame_str |
Repositório Institucional da UFSCAR |
collection |
Repositório Institucional da UFSCAR |
bitstream.url.fl_str_mv |
https://repositorio.ufscar.br/bitstream/ufscar/16829/2/license_rdf https://repositorio.ufscar.br/bitstream/ufscar/16829/1/Monografia%20-%20Vitor%20Gomes%20Schiavone.pdf https://repositorio.ufscar.br/bitstream/ufscar/16829/3/Monografia%20-%20Vitor%20Gomes%20Schiavone.pdf.txt https://repositorio.ufscar.br/bitstream/ufscar/16829/4/Monografia%20-%20Vitor%20Gomes%20Schiavone.pdf.jpg |
bitstream.checksum.fl_str_mv |
e39d27027a6cc9cb039ad269a5db8e34 b0e10f426135c1cafaddffe3bf413bab 7c508e55b1dc59c620036128466b17b4 4b4612c7dd1bafcb9f3e7f93755f6e25 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR) |
repository.mail.fl_str_mv |
|
_version_ |
1813715654137610240 |