Busca avançada
Ano de início
Entree

Modelagem de redes neuronais como sistemas de processos pontuais interagentes com memória de alcance variado

Processo: 22/07386-0
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Data de Início da vigência: 01 de julho de 2022
Data de Término da vigência: 01 de julho de 2026
Área de conhecimento:Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade e Estatística Aplicadas
Pesquisador responsável:Antonio Carlos Roque da Silva Filho
Beneficiário:Kádmo de Souza Laxa
Instituição Sede: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
Vinculado ao auxílio:13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat, AP.CEPID
Bolsa(s) vinculada(s):23/12335-9 - Modelagem de redes neuronais como sistemas de processos pontuais interagentes com memória de alcance variado: comparação de modelos e limites de campo médio, BE.EP.PD
Assunto(s):Sistema nervoso   Rede nervosa   Neurônios   Memória   Redes sociais (grupos sociais)   Comportamento   Modelos matemáticos   Análise estatística
Palavra(s)-Chave do Pesquisador:metaestabilidade | processos pontuais interagentes com memória de alcance variável | Redes neuronais | redes sociais | Processos pontuais interagentes com memória de alcance variável

Resumo

Neste projeto eu continuo a pesquisa que desenvolvi durante meu projeto de doutorado e apresentei nos artigos Laxa (2022) e Galves and Laxa (2022). Laxa (2022) estuda um sistema de processos pontuais que interagem entre si modelando uma rede de neurônios finita com disparos e vazamento de potencial de membrana. Associados a cada neurônio existem dois processos pontuais, descrevendo seus instantes sucessivos de disparo e vazamento. Demonstramos que este sistema tem um comportamento metaestável quando o tamanho da população diverge. Isso significa que o instante em que o sistema fica preso pela lista de potenciais de membrana nulos, adequadamente reescalado, converge para um tempo aleatório exponencial de média 1. Galves and Laxa (2022) estuda um novo modelo para uma rede social altamente polarizada. Nesse sistema, os processos pontuais são marcados e indicam os instantes sucessivos em que um ator social expressa uma opinião "favorável" ou "contrária" sobre determinado assunto. Para este modelo, demonstramos que quando o coeficiente de polarização diverge, a rede social atinge o consenso instantaneamente e esse consenso tem um comportamento metaestável. O modelo estudado em Galves and Laxa (2022) é uma extensão matemática interessante da classe de modelos introduzida por Galves and Löcherbach (2013) e De Masi et al. (2014). Uma das duas linhas de pesquisa principais do CEPID Neuromat é a modelagem matemática e análise estatística de redes neuronais. Para contribuir com o desenvolvimento desta direção de pesquisa na classe de modelos introduzida por Galves and Löcherbach (2013) e De Masi et al. (2014), eu pretendo abordar as seguintes questões: metaestabilidade, transição de fase, simulação perfeita e estimação do grafo de interações entre neurônios. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
LAXA, KADMO DE S.. Metastability in a Stochastic System of Spiking Neurons with Leakage. Journal of Statistical Physics, v. 190, n. 2, p. 31-pg., . (13/07699-0, 22/07386-0)
GALVES, ANTONIO; LAXA, KADMO. Fast consensus and metastability in a highly polarized social network. Stochastic Processes and their Applications, v. 177, p. 24-pg., . (13/07699-0, 22/07386-0, 23/12335-9)
LOECHERBACH, EVA; LAXA, KADMO. Propagation of Chaos and Phase Transition in a Stochastic Model for a Social Network. Journal of Statistical Physics, v. 191, n. 12, p. 34-pg., . (23/12335-9, 22/07386-0)