Determination of a population rate model for slow oscillations using Bayesian inference

Abstract

En aquest projecte ens hem centrat en l'escala de xarxa, on el nostre cas d'estudi, poblacions de neurones, estan constanment afectant-se unes amb les altres. El nostre objectiu és determinar un model de 'rate' de poblacions capaç de replicar la dinàmica de les oscil·lacions en l'escorça cerebral, per tot seguit aplicar a les nostres dades simulades una tècnica de inferència bayesiana, un filtre de Kalman, com a interpretació probabilística del problema per estimar variables i paràmetres dels models de 'rate'.

En este proyecto nos centramos en el nivel de la red, donde nuestro objeto de estudio, poblaciones de neuronas, están constantemente configurando su comportamiento entre sí. Nuestro objetivo es determinar un modelo de 'rate' de población capaz de replicar la dinámica de las oscilaciones en la corteza cerebral, para poder aplicar a nuestros datos simulados una técnica de inferencia bayesiana, el filtro de Kalman, como una interpretación probabibística del problema para estimar variables y parámetros de modelos de 'rate'.

In this project we focused in the network level, where our object of study, population of neurons, are constantly shaping each others behaviour. Our aim is to determine a population rate model capable of replicating the dynamics of slow oscillations in the cerebral cortex, and applying to our simulated data a Bayesian inference technique, the Kalman filter, as a probabilistic interpretation of the problem to estimate variables and parameters of rate models.