Benutzer: Gast  Login
Weniger Felder
Einfache Suche
Originaltitel:
Approximate Bayesian Model Selection for Local Cortical Networks at Cellular Resolution
Übersetzter Titel:
Approximativ bayesianische Modellselektion für zellulär aufgelöste lokale kortikale Netzwerke
Autor:
Klinger, Emmanuel G.
Jahr:
2018
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Mathematik
Betreuer:
Theis, Fabian (Prof. Dr. Dr.)
Gutachter:
Theis, Fabian (Prof. Dr. Dr.); Helmstädter, Moritz (Prof. Dr.); Triesch, Jochen (Prof. Dr.)
Sprache:
en
Fachgebiet:
MAT Mathematik
TU-Systematik:
BIO 110d; MAT 022d
Kurzfassung:
Seven models of local cortical processing were examined and adapted to known circuit constraints of layer 4 of mouse primary somatosensory cortex. To test these hypotheses, an Approximate Bayesian Computation – Sequential Monte Carlo (ABC-SMC) model selection method for local cortical neuronal networks is proposed. For practical application, the pyABC framework together with a method for automated population size selection for ABC–SMC is developed. The method is evaluated for simulated noisy rec...     »
Übersetzte Kurzfassung:
Sieben Modelle lokaler kortikaler Informationsverarbeitung wurden untersucht und an bekannte kortikale Nebenbedingungen von Schicht 4 des primären somatosensorischen Kortex der Maus angepasst. Um diese Hypothesen zu testen wurde eine Approximativ Bayesianische sequentielle Monte Carlo (ABC-SMC) Methode zur Modellselektion für lokale kortikale Netzwerke vorgeschlagen. Zur praktischen Anwendung wurde das pyABC Framework zusammen mit einer Methode zur automatischen Wahl von Populationsgrößen in ABC...     »
WWW:
https://mediatum.ub.tum.de/?id=1426522
Eingereicht am:
17.01.2018
Mündliche Prüfung:
12.12.2018
Dateigröße:
8215531 bytes
Seiten:
161
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20181212-1426522-1-0
Letzte Änderung:
09.01.2019
 BibTeX