User: Guest  Login
Original title:
Approximate Bayesian Model Selection for Local Cortical Networks at Cellular Resolution 
Translated title:
Approximativ bayesianische Modellselektion für zellulär aufgelöste lokale kortikale Netzwerke 
Year:
2018 
Document type:
Dissertation 
Institution:
Fakultät für Mathematik 
Advisor:
Theis, Fabian (Prof. Dr. Dr.) 
Referee:
Theis, Fabian (Prof. Dr. Dr.); Helmstädter, Moritz (Prof. Dr.); Triesch, Jochen (Prof. Dr.) 
Language:
en 
Subject group:
MAT Mathematik 
TUM classification:
BIO 110d; MAT 022d 
Abstract:
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...    »
 
Translated abstract:
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...    »
 
Oral examination:
12.12.2018 
File size:
8215531 bytes 
Pages:
161 
Last change:
09.01.2019