Inferência da conectividade neuronal e o modelo de Galves e Löcherbach

Detalhes bibliográficos
Autor(a) principal: Schiavone, Vitor Gomes
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