Advanced Data Analysis in Neuroscience / Durstewitz, Daniel  

Público ISBD Ningún comentario para este registro. Título : Advanced Data Analysis in Neuroscience : Integrating Statistical and Computational Models Tipo de documento: documento electrónico Autores: Durstewitz, Daniel, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XXV, 292 p. 76 ilustraciones, 66 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-59976-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Biometría  Estadísticas  Neurociencias  Biomatemáticas  Bioestadística  Teoría y métodos estadísticos  Neurociencia  Biología Matemática y Computacional Índice Dewey: 57.015.195 Resumen: Este libro está destinado a cursos avanzados de posgrado en estadística/aprendizaje automático, así como a todos los neurocientíficos experimentales que buscan comprender los métodos estadísticos a un nivel más profundo y a los neurocientíficos teóricos con una formación limitada en estadística. Revisa casi todas las áreas de la estadística aplicada, desde la estimación estadística básica y la teoría de pruebas, enfoques lineales y no lineales para regresión y clasificación, hasta selección de modelos y métodos para reducción de dimensionalidad, estimación de densidad y agrupamiento no supervisado. Su enfoque, sin embargo, es el análisis de series temporales lineales y no lineales desde una perspectiva de sistemas dinámicos, con base en la cual pretende transmitir una comprensión también de los mecanismos dinámicos que podrían haber generado series temporales observadas. Además, integra el modelado computacional de la dinámica neuronal y del comportamiento con la estimación estadística y la prueba de hipótesis. De esta manera, los modelos computacionales en neurociencia no son sólo marcos explicativos, sino que se convierten en sí mismos en poderosas herramientas de análisis de datos cuantitativos que permiten a los investigadores mirar más allá de la superficie de los datos y desentrañar los mecanismos subyacentes. Se proporcionan ejemplos interactivos de la mayoría de los métodos a través de un paquete de rutinas de MatLab, lo que fomenta un enfoque lúdico del tema y proporciona a los lectores una mejor idea de los aspectos prácticos de los métodos cubiertos. "La neurociencia computacional es esencial para integrar y proporcionar una base para comprender la gran cantidad de datos de laboratorio notables sobre las funciones del sistema nervioso. Daniel Durstewitz ha cubierto de manera excelente la amplitud de la neurociencia computacional, desde interpretaciones estadísticas de datos hasta modelos biofísicos de las fuentes neurobiológicas de esos datos. Su presentación es clara, pedagógicamente sólida y fácilmente utilizable tanto por expertos como por principiantes. Es un placer recomendar esta discusión muy bien elaborada a neurocientíficos experimentales, así como a físicos versados ​​en matemáticas. las preguntas y las herramientas para encontrar respuestas a preguntas interesantes sobre el cerebro y su funcionamiento". Henry DI Abarbanel Physics e Instituto Scripps de Oceanografía, Universidad de California, San Diego "Este libro ofrece una introducción clara y exhaustiva a enfoques de análisis sofisticados útiles en la neurociencia computacional. Los modelos descritos y los ejemplos proporcionados ayudarán a los lectores a desarrollar intuiciones críticas sobre lo que Los métodos revelan sobre los datos. El enfoque general del libro refleja la amplia experiencia que el profesor Durstewitz ha desarrollado como destacado practicante de la neurociencia computacional "Bruno B. Averbeck". Nota de contenido: Statistical Inference -- Regression Problems -- Classification Problems -- Model Complexity and Selection -- Clustering and Density Estimation -- Dimensionality Reduction -- Linear Time Series Analysis -- Nonlinear Concepts in Time Series Analysis -- Time Series From a Nonlinear Dynamical Systems Perspective. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advanced Data Analysis in Neuroscience : Integrating Statistical and Computational Models [documento electrónico] / Durstewitz, Daniel, Autor  . -  1 ed.  . - [s.l.] : Springer, 2017 . - XXV, 292 p. 76 ilustraciones, 66 ilustraciones en color. ISBN : 978-3-319-59976-2 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Biometría  Estadísticas  Neurociencias  Biomatemáticas  Bioestadística  Teoría y métodos estadísticos  Neurociencia  Biología Matemática y Computacional Índice Dewey: 57.015.195 Resumen: Este libro está destinado a cursos avanzados de posgrado en estadística/aprendizaje automático, así como a todos los neurocientíficos experimentales que buscan comprender los métodos estadísticos a un nivel más profundo y a los neurocientíficos teóricos con una formación limitada en estadística. Revisa casi todas las áreas de la estadística aplicada, desde la estimación estadística básica y la teoría de pruebas, enfoques lineales y no lineales para regresión y clasificación, hasta selección de modelos y métodos para reducción de dimensionalidad, estimación de densidad y agrupamiento no supervisado. Su enfoque, sin embargo, es el análisis de series temporales lineales y no lineales desde una perspectiva de sistemas dinámicos, con base en la cual pretende transmitir una comprensión también de los mecanismos dinámicos que podrían haber generado series temporales observadas. Además, integra el modelado computacional de la dinámica neuronal y del comportamiento con la estimación estadística y la prueba de hipótesis. De esta manera, los modelos computacionales en neurociencia no son sólo marcos explicativos, sino que se convierten en sí mismos en poderosas herramientas de análisis de datos cuantitativos que permiten a los investigadores mirar más allá de la superficie de los datos y desentrañar los mecanismos subyacentes. Se proporcionan ejemplos interactivos de la mayoría de los métodos a través de un paquete de rutinas de MatLab, lo que fomenta un enfoque lúdico del tema y proporciona a los lectores una mejor idea de los aspectos prácticos de los métodos cubiertos. "La neurociencia computacional es esencial para integrar y proporcionar una base para comprender la gran cantidad de datos de laboratorio notables sobre las funciones del sistema nervioso. Daniel Durstewitz ha cubierto de manera excelente la amplitud de la neurociencia computacional, desde interpretaciones estadísticas de datos hasta modelos biofísicos de las fuentes neurobiológicas de esos datos. Su presentación es clara, pedagógicamente sólida y fácilmente utilizable tanto por expertos como por principiantes. Es un placer recomendar esta discusión muy bien elaborada a neurocientíficos experimentales, así como a físicos versados ​​en matemáticas. las preguntas y las herramientas para encontrar respuestas a preguntas interesantes sobre el cerebro y su funcionamiento". Henry DI Abarbanel Physics e Instituto Scripps de Oceanografía, Universidad de California, San Diego "Este libro ofrece una introducción clara y exhaustiva a enfoques de análisis sofisticados útiles en la neurociencia computacional. Los modelos descritos y los ejemplos proporcionados ayudarán a los lectores a desarrollar intuiciones críticas sobre lo que Los métodos revelan sobre los datos. El enfoque general del libro refleja la amplia experiencia que el profesor Durstewitz ha desarrollado como destacado practicante de la neurociencia computacional "Bruno B. Averbeck". Nota de contenido: Statistical Inference -- Regression Problems -- Classification Problems -- Model Complexity and Selection -- Clustering and Density Estimation -- Dimensionality Reduction -- Linear Time Series Analysis -- Nonlinear Concepts in Time Series Analysis -- Time Series From a Nonlinear Dynamical Systems Perspective. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200