Biologically Justifiable Models for Neuronal Clustering and Classification
This talk will present several biologically justifiable point process models with a focus on estimating the conditional intensity function of neural spike trains for downstream classification and clustering tasks. It will be shown that while smooth estimates of the underlying intensity functions of neuronal activities are popular and widely used, they may be outperformed by alternative models. The latter class are not smooth, but more informative since they do not obscure some of the change-points which are meaningful and crucial in clustering or classification problems. A case study on neural activities in the reward circuitry of primates shows how retaining these features and neuronal dynamics can improve both interpretability and predictive performance.
Modèles biologiquement justifiables pour le regroupement et la classification de neurones
Cette présentation exposera plusieurs modèles de processus ponctuels biologiquement justifiables, en mettant l'accent sur l'estimation de la fonction d'intensité conditionnelle des trains d'impulsions neuronales pour les tâches de classification et de regroupement en aval. Elle montrera que, bien que les estimations lisses des fonctions d'intensité sous-jacentes des activités neuronales soient populaires et largement utilisées, elles peuvent être surpassées par d'autres modèles. Ces derniers ne sont pas lisses, mais plus informatifs, car ils ne masquent pas certains des points de changement qui sont significatifs et cruciaux dans les problèmes de regroupement ou de classification. Une étude de cas sur les activités neuronales dans le circuit de récompense des primates montre comment la conservation de ces caractéristiques et de la dynamique neuronale peut améliorer à la fois l'interprétation et les performances prédictives.
Date and Time
-
Language of Oral Presentation
English
Language of Visual Aids
English