شماره راهنما :
1760 دكتري
پديد آورنده :
عميدي، يلدا
عنوان :
توسعه مدل پوياي مبتني بر فضاي حالت براي فرايندهاي نقطه اي و كاربرد آن در سيگنال هاي عصبي
گرايش تحصيلي :
مخابرات سيستم
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
سيزده، 95ص.: مصور، جدول، نمودار
استاد راهنما :
بهزاد نظري، سعيد صدري
توصيفگر ها :
فعاليت هاي پالسي عصبي , سيناپس هاي ديناميكي , فرايند نقطه اي , مدل هاي فضاي حالت , فرايند نقطه اي مارك دار
استاد داور :
محمدرضا احمدزاده، فرزانه شايق
تاريخ ورود اطلاعات :
1400/04/14
رشته تحصيلي :
مهندسي برق مخابرات
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1400/04/14
چكيده فارسي :
مدل¬سازي فعاليت¬هاي عصبي نرون¬ها به هدف مطالعه دقيق¬تر عملكرد مغز انسان، همواره مورد توجه محققان بوده¬است. در سيستم¬هاي عصبي، ساختارهاي پيچيده و گسترده¬اي وجود دارند كه اثر نرون¬هاي اطراف را بر روي فعاليت¬هاي عصبي هر نرون كنترل مي¬كنند. اين ساختارهاي پيچيده شامل سيناپس¬هاي ديناميكي كه مقدار آن¬ها در طول زمان تغيير مي¬كنند نيز مي¬شوند كه اتصالات بين نروني را شكل مي¬دهند. با وجود مطالعات وسيع بر روي مدل¬سازي ساختارهاي سيناپسي بين نرون¬ها هم¬چنان چالش¬هاي متعددي در رابطه با اين مساله وجود دارد. هدف اصلي اين رساله ارايه مدل آماري جهت مدل¬سازي رفتار نرون و اتصالات سيناپسي آن است به طوري كه بتواند رفتار پيچيده سيناپس¬ها را بخوبي بازسازي كند و تا حد ممكن چالش¬هاي پژوهش¬هاي قبلي را پوشش دهد. از جمله چالش¬هاي موجود مي¬توان به تعداد زياد سيناپس¬ها و پيچيدگي محاسباتي بالاي اين مدل¬ها اشاره كرد كه متعاقبا به افزايش تعداد پارامترهاي مجهول منجر مي¬شود. در رساله حاضر، روش نويني براي تخمين فعاليت¬هاي پالسي عصبي يك نرون با ده¬ها اتصال سيناپس ديناميكي ارائه مي¬شود كه بر اساس تركيبي از فرآيند نقطه¬اي مبتني بر مدل فضاي حالت و مدل بيزين بنا شده¬است. براي شبيه¬سازي چارچوب پيشنهادي از دو دسته داده شبيه سازي شده و داده واقعي استفاده مي¬شود و نتايج با استفاده از تكنيك¬هاي آماري شناخته شده ارزيابي مي¬گردد. همچنين يكي از كاربردهاي اين چارچوب پيشنهادي براي مدل¬سازي زمان پاسخ¬گويي انسان به تحريك¬هاي بينايي مورد بررسي قرار مي¬گيرد. در اين مدل، از فرآيند نقطه¬اي مارك¬دار مبتني بر فضاي حالت استفاده مي¬شود كه يك مدل توسعه يافته از فرآيند نقطه¬اي است¬. به¬علاوه در بخش پاياني اين پژوهش، براي ارزيابي مدل فرآيند نقطه¬اي مارك¬دار مبتني بر فضاي حالت دو الگوريتم معرفي مي¬شود كه با استفاده از آن¬ها مي¬توان ميزان تطابق مدل آماري فرآيند نقطه¬اي مارك¬دار و داده را سنجيد.
چكيده انگليسي :
Modeling the neuronal activity of neurons has always been of interest to researchers to accurately study the function of the human brain. In nervous systems, there are complex and extensive structures that control the effect of surrounding neurons on the neural activity of individual neurons. These complex structures also include dynamic synapses whose magnitude changes over time, forming neural internal connections. Despite extensive studies on the modeling of synaptic structures between neurons, there are still several challenges in this regard. The main purpose of this thesis is to present a statistical model for modeling the behavior of neurons and their synaptic connections so that it can reconstruct the complex behavior of synapses well and cover as much as possible the challenges of previous research. Among the existing challenges are the large number of synapses and the high computational complexity of these models, which in turn leads to an increase in the number of unknown parameters. In the present thesis, a new method for estimating the spiking neural activity of a neuron along with dozens of dynamic synapse connections is presented, which is based on a combination of point process state space model and Bayesian approach. To simulate the proposed framework, two categories of simulated data and real data are used and the results are evaluated using known statistical techniques.
استاد راهنما :
بهزاد نظري، سعيد صدري
استاد داور :
محمدرضا احمدزاده، فرزانه شايق
