Blick ins Buch

Neural Connectomics Challenge (eBook)

Demian Battaglia, Isabelle Guyon, Vincent Lemaire, Javier Orlandi, Bisakha Ray, Jordi Soriano (Herausgeber)

eBook Download: PDF

2017 | 1st ed. 2017
X, 117 Seiten
Springer International Publishing (Verlag)
978-3-319-53070-3 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

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.

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.

Erscheint lt. Verlag	4.5.2017
Reihe/Serie	The Springer Series on Challenges in Machine Learning
Reihe/Serie	The Springer Series on Challenges in Machine Learning
Zusatzinfo	X, 117 p. 28 illus.
Verlagsort	Cham
Sprache	englisch
Themenwelt	Mathematik / Informatik ► Informatik
Schlagworte	Causality • Connectomes • Connectomics • Deep learning • effective connectivity • Graph-theoretic measures • machine learning • Network inference • Network reconstruction • Neural connectomics • Neural imaging • neuronal networks • Partial correlation • pattern recognition • Time Series
ISBN-10	3-319-53070-4 / 3319530704
ISBN-13	978-3-319-53070-3 / 9783319530703

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 4,1 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Hardcover

106,99 €