دانلود کتاب Neural Connectomics Challenge
کتاب چالش اتصال عصبی نسخه زبان اصلی
دانلود کتاب چالش اتصال عصبی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Neural Connectomics Challenge
نام کتاب : Neural Connectomics Challenge
ویرایش : 1
عنوان ترجمه شده به فارسی : چالش اتصال عصبی
سری : The Springer Series on Challenges in Machine Learning
نویسندگان : Demian Battaglia, Isabelle Guyon, Vincent Lemaire, Javier Orlandi, Bisakha Ray, Jordi Soriano (eds.)
ناشر : Springer International Publishing
سال نشر : 2017
تعداد صفحات : 122
ISBN (شابک) : 9783319530703 , 9783319530697
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 4 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
این کتاب انگیزه جامعه علمی را برای استفاده از مفاهیم یادگیری ماشین برای مقابله با یک مشکل پیچیده نشان می‌دهد: با توجه به سری‌های زمانی فعالیت خود به خودی نورون، اتصال زیربنایی بین نورون‌های شبکه کدام است؟ نویسندگان مشارکت کننده همچنین ابزارهایی را برای پیشرفت علوم اعصاب از طریق تکنیک های یادگیری ماشین، با تمرکز بر مشکلات اصلی باز در علوم اعصاب ایجاد می کنند.
در حالی که تکنیک ها برای یک کاربرد خاص توسعه یافته اند، آنها به مشکل کلی تر بازسازی شبکه می پردازند. از سری‌های زمانی مشاهده‌ای، مسئله‌ای مورد علاقه در طیف گسترده‌ای از حوزه‌ها، از جمله اقتصاد سنجی، اپیدمیولوژی، و اقلیم‌شناسی، فقط به چند مورد اشاره می‌کنیم.< این کتاب برای جوامع ریاضی، فیزیک و علوم رایانه طراحی شده است که در زمینه علوم اعصاب تحقیق می‌کنند. چالش ها و مسائل. این محتوا همچنین برای جامعه یادگیری ماشینی مناسب است زیرا نحوه برخورد با یک مشکل را از دیدگاه‌های مختلف نشان می‌دهد.
فهرست مطالب :
Front Matter....Pages i-x
First Connectomics Challenge: From Imaging to Connectivity....Pages 1-22
Simple Connectome Inference from Partial Correlation Statistics in Calcium Imaging....Pages 23-36
Supervised Neural Network Structure Recovery....Pages 37-45
Signal Correlation Prediction Using Convolutional Neural Networks....Pages 47-60
Reconstruction of Excitatory Neuronal Connectivity via Metric Score Pooling and Regularization....Pages 61-71
Neural Connectivity Reconstruction from Calcium Imaging Signal Using Random Forest with Topological Features....Pages 73-83
Efficient Combination of Pairwise Feature Networks....Pages 85-93
Predicting Spiking Activities in DLS Neurons with Linear-Nonlinear-Poisson Model....Pages 95-103
SuperSlicing Frame Restoration for Anisotropic ssTEM and Video Data....Pages 105-115
Back Matter....Pages 117-117
توضیحاتی در مورد کتاب به زبان اصلی :
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.
پست ها تصادفی