Análisis estocástico en modelos de redes neuronales biológicas

Análisis estocástico en modelos de redes neuronales biológicas

En esta tesis estudiamos modelos estocásticos que representan el comportamiento del potencial de acción de una red neuronal biológica exitatoria. Estos modelos, que son variaciones del modelo descrito en [RT16], evolucionan mediante procesos de Poisson inhomogéneos que dan cuenta de la aleatoriedad intrínseca de las neuronas y tienen interacciones de caracter sparse: cuando una neurona dada efectúa un spike, ésta incrementa el potencial de un número fijo de neuronas aleatoriamente elegidas. En esta tesis mostraremos que esta clase estudiada de modelos para una red neuronal finita siempre termina en la extinción de la actividad neuronal; mientras que, en el límite, la red infinita de neuronas puede sostener la actividad indefinidamente, dependiendo de parámetros relacionados con la intensidad y la cantidad de interacciones en cada spike. Mostraremos entonces una transición de fase en términos de la distribución estacionaria de la red infinita, que puede ser no-trivial. De esta manera, modelamos el fenómeno biológico de persistencia: La red neuronal, si bien eventualmente muere, puede mostrar actividad para tiempos grandes dependiendo de la población de la red. El desarrollo de esta tesis resultó en el siguiente trabajo [ACJL23], realizado junto a Matthieu Jonckheere, Roberto Cortez y Lasse Lëskela, y existen varias líneas de trabajo posibles que derivan de lo desarrollado aquí.

Saved in:
Bibliographic Details
Main Author: Altamirano Carlavan, Pedro Maximiliano
Other Authors: Jonckheere, Matthieu T.
Format: info:eu-repo/semantics/doctoralThesis biblioteca
Language:spa
Published: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
Subjects:REDES NEURONALES, PROCESOS DE MCKEAN-VLASOV, PROCESOS ESTOCASTICOS, LIMITES HIDRODINAMICOS, PROPAGACION DEL CAOS, NEURAL NETWORKS, MCKEAN-VLASOV PROCESSES, STOCHASTIC PROCESSES, HYDRODYNAMIC LIMITS, PROPAGATION OF CHAOS,
Online Access:https://hdl.handle.net/20.500.12110/tesis_n7389_AltamiranoCarlavan
http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7389_AltamiranoCarlavan_oai
Tags: Add Tag
No Tags, Be the first to tag this record!
id oai:RDI UBA:aextesis:tesis_n7389_AltamiranoCarlavan_oai
record_format koha
spelling oai:RDI UBA:aextesis:tesis_n7389_AltamiranoCarlavan_oai2023-12-27 Jonckheere, Matthieu T. Altamirano Carlavan, Pedro Maximiliano 2023-07-04 En esta tesis estudiamos modelos estocásticos que representan el comportamiento del potencial de acción de una red neuronal biológica exitatoria. Estos modelos, que son variaciones del modelo descrito en [RT16], evolucionan mediante procesos de Poisson inhomogéneos que dan cuenta de la aleatoriedad intrínseca de las neuronas y tienen interacciones de caracter sparse: cuando una neurona dada efectúa un spike, ésta incrementa el potencial de un número fijo de neuronas aleatoriamente elegidas. En esta tesis mostraremos que esta clase estudiada de modelos para una red neuronal finita siempre termina en la extinción de la actividad neuronal; mientras que, en el límite, la red infinita de neuronas puede sostener la actividad indefinidamente, dependiendo de parámetros relacionados con la intensidad y la cantidad de interacciones en cada spike. Mostraremos entonces una transición de fase en términos de la distribución estacionaria de la red infinita, que puede ser no-trivial. De esta manera, modelamos el fenómeno biológico de persistencia: La red neuronal, si bien eventualmente muere, puede mostrar actividad para tiempos grandes dependiendo de la población de la red. El desarrollo de esta tesis resultó en el siguiente trabajo [ACJL23], realizado junto a Matthieu Jonckheere, Roberto Cortez y Lasse Lëskela, y existen varias líneas de trabajo posibles que derivan de lo desarrollado aquí. In this thesis we study stochastic models representing the behaviour of the action potential of an exitatory biological neural network. These models, inspired by the one defined in [RT16], evolve through inhomogeneous Poisson processes accounting for the intrinsic randomness of neurons and have sparse-tipe interactions: when a neuron fires, it gives an impulse to the potential of a fixed number of randomly chosen neurons within the network. In this work, we will show that these models always come to extintion when the neural network is finite, whereas the infinite network can sustain activity forever, depending on parameters related to the intensity and the amount of interactions in each spike. We will show a phase transition in terms of the stationary distribution of the infinite network, which could be non-trivial. Consequently, we model the biological phenomenon of persistence: Even though the activity of the neural network eventually dies, it can remain active for a long time, depending on the network population. The development of this thesis resulted in the following work [ACJL23], in collaboration with Matthieu Jonckheere, Roberto Cortez and Lasse Lëskela, and several lines of work can be derived from the results presented here. Fil: Altamirano Carlavan, Pedro Maximiliano. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. application/pdf https://hdl.handle.net/20.500.12110/tesis_n7389_AltamiranoCarlavan spa Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar REDES NEURONALES PROCESOS DE MCKEAN-VLASOV PROCESOS ESTOCASTICOS LIMITES HIDRODINAMICOS PROPAGACION DEL CAOS NEURAL NETWORKS MCKEAN-VLASOV PROCESSES STOCHASTIC PROCESSES HYDRODYNAMIC LIMITS PROPAGATION OF CHAOS Análisis estocástico en modelos de redes neuronales biológicas Stochastic analysis in biological neural network models info:eu-repo/semantics/doctoralThesis info:ar-repo/semantics/tesis doctoral info:eu-repo/semantics/publishedVersion http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7389_AltamiranoCarlavan_oai
institution UBA
collection DSpace
country Argentina
countrycode AR
component Bibliográfico
access En linea
databasecode dig-ubavet
tag biblioteca
region America del Sur
libraryname Biblioteca Facultad de Veterinaria
language spa
topic REDES NEURONALES
PROCESOS DE MCKEAN-VLASOV
PROCESOS ESTOCASTICOS
LIMITES HIDRODINAMICOS
PROPAGACION DEL CAOS
NEURAL NETWORKS
MCKEAN-VLASOV PROCESSES
STOCHASTIC PROCESSES
HYDRODYNAMIC LIMITS
PROPAGATION OF CHAOS
REDES NEURONALES
PROCESOS DE MCKEAN-VLASOV
PROCESOS ESTOCASTICOS
LIMITES HIDRODINAMICOS
PROPAGACION DEL CAOS
NEURAL NETWORKS
MCKEAN-VLASOV PROCESSES
STOCHASTIC PROCESSES
HYDRODYNAMIC LIMITS
PROPAGATION OF CHAOS
spellingShingle REDES NEURONALES
PROCESOS DE MCKEAN-VLASOV
PROCESOS ESTOCASTICOS
LIMITES HIDRODINAMICOS
PROPAGACION DEL CAOS
NEURAL NETWORKS
MCKEAN-VLASOV PROCESSES
STOCHASTIC PROCESSES
HYDRODYNAMIC LIMITS
PROPAGATION OF CHAOS
REDES NEURONALES
PROCESOS DE MCKEAN-VLASOV
PROCESOS ESTOCASTICOS
LIMITES HIDRODINAMICOS
PROPAGACION DEL CAOS
NEURAL NETWORKS
MCKEAN-VLASOV PROCESSES
STOCHASTIC PROCESSES
HYDRODYNAMIC LIMITS
PROPAGATION OF CHAOS
Altamirano Carlavan, Pedro Maximiliano
Análisis estocástico en modelos de redes neuronales biológicas
description En esta tesis estudiamos modelos estocásticos que representan el comportamiento del potencial de acción de una red neuronal biológica exitatoria. Estos modelos, que son variaciones del modelo descrito en [RT16], evolucionan mediante procesos de Poisson inhomogéneos que dan cuenta de la aleatoriedad intrínseca de las neuronas y tienen interacciones de caracter sparse: cuando una neurona dada efectúa un spike, ésta incrementa el potencial de un número fijo de neuronas aleatoriamente elegidas. En esta tesis mostraremos que esta clase estudiada de modelos para una red neuronal finita siempre termina en la extinción de la actividad neuronal; mientras que, en el límite, la red infinita de neuronas puede sostener la actividad indefinidamente, dependiendo de parámetros relacionados con la intensidad y la cantidad de interacciones en cada spike. Mostraremos entonces una transición de fase en términos de la distribución estacionaria de la red infinita, que puede ser no-trivial. De esta manera, modelamos el fenómeno biológico de persistencia: La red neuronal, si bien eventualmente muere, puede mostrar actividad para tiempos grandes dependiendo de la población de la red. El desarrollo de esta tesis resultó en el siguiente trabajo [ACJL23], realizado junto a Matthieu Jonckheere, Roberto Cortez y Lasse Lëskela, y existen varias líneas de trabajo posibles que derivan de lo desarrollado aquí.
author2 Jonckheere, Matthieu T.
author_facet Jonckheere, Matthieu T.
Altamirano Carlavan, Pedro Maximiliano
format info:eu-repo/semantics/doctoralThesis
topic_facet REDES NEURONALES
PROCESOS DE MCKEAN-VLASOV
PROCESOS ESTOCASTICOS
LIMITES HIDRODINAMICOS
PROPAGACION DEL CAOS
NEURAL NETWORKS
MCKEAN-VLASOV PROCESSES
STOCHASTIC PROCESSES
HYDRODYNAMIC LIMITS
PROPAGATION OF CHAOS
author Altamirano Carlavan, Pedro Maximiliano
author_sort Altamirano Carlavan, Pedro Maximiliano
title Análisis estocástico en modelos de redes neuronales biológicas
title_short Análisis estocástico en modelos de redes neuronales biológicas
title_full Análisis estocástico en modelos de redes neuronales biológicas
title_fullStr Análisis estocástico en modelos de redes neuronales biológicas
title_full_unstemmed Análisis estocástico en modelos de redes neuronales biológicas
title_sort análisis estocástico en modelos de redes neuronales biológicas
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
url https://hdl.handle.net/20.500.12110/tesis_n7389_AltamiranoCarlavan
http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aextesis&d=tesis_n7389_AltamiranoCarlavan_oai
work_keys_str_mv AT altamiranocarlavanpedromaximiliano analisisestocasticoenmodelosderedesneuronalesbiologicas
AT altamiranocarlavanpedromaximiliano stochasticanalysisinbiologicalneuralnetworkmodels
_version_ 1794794476937412608

Similar Items