مرتب سازی اسپایک های نورونی با استفاده از الگوریتم دریکله مخلوط
محل انتشار: همایش ملی پژوهش های کاربردی علوم های فنی مهندسی و مدیریتی در عرصه دانشگاه، صنعت و مدیریت ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 907
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAPPLI01_061
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
یکی از مسائل استقرایی پایه ای که انسان با آن مواجه است سازماندهی مشاهدات در گروه هاست، که گاهی به آن خوشه بندی هم گفته می شود. خوشه بندی چالش براگیز است چرا که در شرایط دنیای واقعی تعداد خوشه ها اغلب مجهول است. به عنوان مثال کودکی که در حال یادگیری زبان است، از قبل نمی داند چند کلمه در زبان وجود دارد. در این مقاله نشان داده شده است که خوشه بندی چگونه می تواند به عنوان یک استنتاج بیزی صورت بندی شود، با تمرکز بر اینکه مفاهیم غیرپارامتری چگونه می تواند در مساله کشف خوشه های جدید مفید باشد. سپس یک کاربرد از این ایده در مورد مرتب سازی پتانسیل های عمل سلول های عصبی مطرح شده است. مرتب سازی اسپایک های نورونی به معنای گروه بندی پتانسیل های عمل سلول های عصبی موجود در یک جمعیت نورونی بر حسب منبع آن هاست. از این جهت که ممکن است تعداد نورون های فعال در جمعیت نورونی مشخص نباشد (و نیست)، روش های غیرپارامتری برای این نوع دسته بندی مورد استفاده قرار می گیرد. در این پژوهش خوشه بندی اسپایک های یک مجموعه داده مشخص با استفاده از الگوریتم بدون ناظر دریکله مخلوط (از روش های بیزی بدون پارامتر) انجام شد که در نتیجه آن هشت نورون مولد اسپایک ها شناسایی شدند.
کلیدواژه ها:
نویسندگان
طیبه رفیعی آتانی
دانشگاه علم و صنعت ایران
بهروز مینایی بیدگلی
دانشگاه علم و صنعت ایران