Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Estimating the interaction graph of stochastic neural dynamics

Texto completo
Autor(es):
Duarte, Aline [1] ; Galves, Antonio [1] ; Locherbach, Eva [2] ; Ost, Guilherme [1]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Inst Matemat & Estat, Rua Matao 1010, BR-05508090 Sao Paulo - Brazil
[2] Univ Cergy Pontoise, AGM, CNRS, UMR 8088, F-95000 Cergy Pontoise - France
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: BERNOULLI; v. 25, n. 1, p. 771-792, FEB 2019.
Citações Web of Science: 0
Resumo

In this paper, we address the question of statistical model selection for a class of stochastic models of biological neural nets. Models in this class are systems of interacting chains with memory of variable length. Each chain describes the activity of a single neuron, indicating whether it spikes or not at a given time. The spiking probability of a given neuron depends on the time evolution of its presynaptic neurons since its last spike time. When a neuron spikes, its potential is reset to a resting level and postsynaptic current pulses are generated, modifying the membrane potential of all its postsynaptic neurons. The relationship between a neuron and its pre- and postsynaptic neurons defines an oriented graph, the interaction graph of the model. The goal of this paper is to estimate this graph based on the observation of the spike activity of a finite set of neurons over a finite time. We provide explicit exponential upper bounds for the probabilities of under- and overestimating the interaction graph restricted to the observed set and obtain the strong consistency of the estimator. Our result does not require stationarity nor uniqueness of the invariant measure of the process. (AU)

Processo FAPESP: 16/17791-9 - Processos interagentes com memória de alcance variável em modelos neurobiológicos
Beneficiário:Aline Duarte de Oliveira
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat
Beneficiário:Jefferson Antonio Galves
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 16/17789-4 - Estabilidade, seleção estatística de modelos e limite hidrodinâmico para sistemas de cadeias interagentes com memória de alcance variável
Beneficiário:Guilherme Ost de Aguiar
Linha de fomento: Bolsas no Brasil - Pós-Doutorado