Cadeias estocásticas de memória ilimitada com aplicação na neurociência
Processos estocásticos a valores em grafos induzidos por sistemas de neurônios int...
Dinâmica não-markoviana em modelos neuronais do tipo integra-e-dispara: uma aborda...
Processo: | 18/25076-3 |
Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
Data de Início da vigência: | 01 de abril de 2019 |
Data de Término da vigência: | 31 de julho de 2019 |
Área de conhecimento: | Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade |
Pesquisador responsável: | Florencia Graciela Leonardi |
Beneficiário: | Ricardo Felipe Ferreira |
Instituição Sede: | Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
Vinculado ao auxílio: | 13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat, AP.CEPID |
Assunto(s): | Processos estocásticos Neurociências |
Palavra(s)-Chave do Pesquisador: | dados em altas dimensões | Inferência em processos estocásticos | Neurociência | Processos Estocásticos |
Resumo Nos últimos anos, com os avanços computacionais, a estatística tem sofrido grandes mudanças, principalmente, no que diz respeito a capacidade cada vez maior de armazenamento de dados. Para cada indivíduo, mais e mais características tem sido coletadas de forma que o número de parâmetros a serem estimados se tornaram muito maior que o número de observações. É o caso, por exemplo, de áreas como a biologia ou de aplicações em que cada observação consiste em uma imagem ou um documento de texto, objetos complexos que requerem métodos estatísticos mais elaborados. A atividade neuronal é manifestada pela emissão, ao longo do tempo, de trens de disparos elétricos gerados por excitações vindo de outros neurônios ou de fontes externas. Neste sentido, a dinâmica neuronal pode ser descrita por um processo estocástico auto-regressivo tomando valores em um espaço de configurações adequado. Enquanto a atividade neuronal pode ser diretamente observada, as interações entre as estruturas neuronais podem somente ser inferidas a partir dos dados. Todavia, existem milhões de neurônios em cada componente de um circuito neuronal e temos acesso apenas a uma parcela desses. Uma vez que estamos interessados no cenário em que a quantidade de disparos observados é muito maior que a quantidade neurônios em estudo, a inferência da interação funcional entre tais componentes é feita em um ambiente de alta dimensionalidade.Este projeto de pesquisa tem, portanto, os seguintes objetivos: (1) extender os resultados obtidos na tese de doutorado do candidato, i.e., generalizar as propriedades da estimação da informação que flui entre dois trens de disparos neuronais para o caso de uma quantidade n > 2 de neurônios; (2) propor uma metodologia de inferência estatística em processos estocásticos para dados em altas dimensões e (3) analisar a eficiência prática dos resultados obtidos utilizando dados neuronais reais. | |
Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
Mais itensMenos itens | |
TITULO | |
Matéria(s) publicada(s) em Outras Mídias ( ): | |
Mais itensMenos itens | |
VEICULO: TITULO (DATA) | |
VEICULO: TITULO (DATA) | |