Benutzer: Gast  Login
Originaltitel:
Learning about neural computation from sparse recordings
Übersetzter Titel:
Verständnis neuronaler Informationsverarbeitung aus unvollständigen Aufzeichnungen
Autor:
Nonnenmacher, Marcel
Jahr:
2020
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Elektrotechnik und Informationstechnik
Betreuer:
Macke, Jakob H. (Prof. Dr.)
Gutachter:
Macke, Jakob H. (Prof. Dr.); Gjorgjieva, Julijana (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
ELT Elektrotechnik
Kurzfassung:
For most neuroscientific model systems, the vast numbers of neurons is still far beyond what can be simultaneously recorded at single-cell resolution. Neural recordings are thus strongly subsampled, which has important consequences for data analysis. In this thesis, I investigate the effects of subsampling on studies of criticality in neural systems. I furthermore present methods for statistical modelling that explicitly address subsampling, by combining data from multiple incomplete recordings.
Übersetzte Kurzfassung:
Bei den meisten neurowissenschaftlichen Modellsystemen liegt die Anzahl von Neuronen weit über dem, was bei Einzelzellauflösung gleichzeitig aufgezeichnet werden kann. Neuronale Aufzeichnungen sind daher unvollständig, was wichtige Konsequenzen für ihre Analyse hat. In dieser Arbeit untersuche ich die Konsequenzen für Studien zur Kritikalität in neuronalen Systemen. Ich präsentiere auch Methoden zur statistischen Modellierung, welche die Daten aus mehreren unvollständigen Aufzeichnungen kombinie...     »
WWW:
https://mediatum.ub.tum.de/?id=1506653
Eingereicht am:
26.06.2019
Mündliche Prüfung:
11.03.2020
Dateigröße:
1140277 bytes
Seiten:
59
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20200311-1506653-1-3
Letzte Änderung:
09.03.2021
 BibTeX