Neural Connectomics Challenge / Battaglia, Demian ; Guyon, Isabelle ; Lemaire, Vincent ; Orlandi, Javier ; Ray, Bisakha ; Soriano, Jordi  

Público ISBD Ningún comentario para este título. Título : Neural Connectomics Challenge Tipo de documento: documento electrónico Autores: Battaglia, Demian, ; Guyon, Isabelle, ; Lemaire, Vincent, ; Orlandi, Javier, ; Ray, Bisakha, ; Soriano, Jordi, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: X, 117 p. 28 ilustraciones ISBN/ISSN/DL: 978-3-319-53070-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador Clasificación: 006.3 Resumen: Este libro ilustra el impulso de la comunidad científica para utilizar conceptos de aprendizaje automático para abordar un problema complejo: dadas series temporales de actividad neuronal espontánea, ¿cuál es la conectividad subyacente entre las neuronas de la red? Los autores contribuyentes también desarrollan herramientas para el avance de la neurociencia a través de técnicas de aprendizaje automático, centrándose en los principales problemas abiertos en la neurociencia. Si bien las técnicas se han desarrollado para una aplicación específica, abordan el problema más general de la reconstrucción de redes a partir de series temporales observacionales, un problema de interés en una amplia variedad de dominios, incluidos la econometría, la epidemiología y la climatología, por citar sólo algunos. < El libro está diseñado para las comunidades de matemáticas, física e informática que realizan investigaciones en problemas de neurociencia. El contenido también es adecuado para la comunidad de aprendizaje automático porque ejemplifica cómo abordar el mismo problema desde diferentes perspectivas. Nota de contenido: First Connectomics Challenge: From Imaging to Connectivity -- Simple Connectome Inference from Partial Correlation Statistics in Calcium Imaging -- Supervised Neural Network Structure Recovery -- Signal Correlation Prediction Using Convolutional Neural Networks -- Reconstruction of Excitatory Neuronal Connectivity via Metric Score Pooling and Regularization -- Neural Connectivity Reconstruction from Calcium Imaging Signal using Random Forest with Topological Features -- Efficient Combination of Pairwise Feature Networks -- Predicting Spiking Activities in DLS Neurons with Linear-Nonlinear-Poisson Model -- SuperSlicing Frame Restoration for Anisotropic ssTEM and Video Data -- Supplemental Information. Tipo de medio : Computadora Summary : This book illustrates the thrust of the scientific community to use machine learning concepts for tackling a complex problem: given time series of neuronal spontaneous activity, which is the underlying connectivity between the neurons in the network? The contributing authors also develop tools for the advancement of neuroscience through machine learning techniques, with a focus on the major open problems in neuroscience. While the techniques have been developed for a specific application, they address the more general problem of network reconstruction from observational time series, a problem of interest in a wide variety of domains, including econometrics, epidemiology, and climatology, to cite only a few. < The book is designed for the mathematics, physics and computer science communities that carry out research in neuroscience problems. The content is also suitable for the machine learning community because it exemplifies how to approach the same problem from different perspectives. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Neural Connectomics Challenge [documento electrónico] / Battaglia, Demian, ; Guyon, Isabelle, ; Lemaire, Vincent, ; Orlandi, Javier, ; Ray, Bisakha, ; Soriano, Jordi,  . -  1 ed.  . - [s.l.] : Springer, 2017 . - X, 117 p. 28 ilustraciones. ISBN : 978-3-319-53070-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Inteligencia artificial  Visión por computador Clasificación: 006.3 Resumen: Este libro ilustra el impulso de la comunidad científica para utilizar conceptos de aprendizaje automático para abordar un problema complejo: dadas series temporales de actividad neuronal espontánea, ¿cuál es la conectividad subyacente entre las neuronas de la red? Los autores contribuyentes también desarrollan herramientas para el avance de la neurociencia a través de técnicas de aprendizaje automático, centrándose en los principales problemas abiertos en la neurociencia. Si bien las técnicas se han desarrollado para una aplicación específica, abordan el problema más general de la reconstrucción de redes a partir de series temporales observacionales, un problema de interés en una amplia variedad de dominios, incluidos la econometría, la epidemiología y la climatología, por citar sólo algunos. < El libro está diseñado para las comunidades de matemáticas, física e informática que realizan investigaciones en problemas de neurociencia. El contenido también es adecuado para la comunidad de aprendizaje automático porque ejemplifica cómo abordar el mismo problema desde diferentes perspectivas. Nota de contenido: First Connectomics Challenge: From Imaging to Connectivity -- Simple Connectome Inference from Partial Correlation Statistics in Calcium Imaging -- Supervised Neural Network Structure Recovery -- Signal Correlation Prediction Using Convolutional Neural Networks -- Reconstruction of Excitatory Neuronal Connectivity via Metric Score Pooling and Regularization -- Neural Connectivity Reconstruction from Calcium Imaging Signal using Random Forest with Topological Features -- Efficient Combination of Pairwise Feature Networks -- Predicting Spiking Activities in DLS Neurons with Linear-Nonlinear-Poisson Model -- SuperSlicing Frame Restoration for Anisotropic ssTEM and Video Data -- Supplemental Information. Tipo de medio : Computadora Summary : This book illustrates the thrust of the scientific community to use machine learning concepts for tackling a complex problem: given time series of neuronal spontaneous activity, which is the underlying connectivity between the neurons in the network? The contributing authors also develop tools for the advancement of neuroscience through machine learning techniques, with a focus on the major open problems in neuroscience. While the techniques have been developed for a specific application, they address the more general problem of network reconstruction from observational time series, a problem of interest in a wide variety of domains, including econometrics, epidemiology, and climatology, to cite only a few. < The book is designed for the mathematics, physics and computer science communities that carry out research in neuroscience problems. The content is also suitable for the machine learning community because it exemplifies how to approach the same problem from different perspectives. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200