A Spline-based Latent Variable Model for Neural State-space Discovery

• Main Author: Bjerke, Martin
• Format: Dissertation
• Language: English

Nylige fremskritt innen opptak av nevrale data har gitt forskere muligheten til å betrakte store ansamlinger av nevroner, noe som motiverer bruken av dimensjonsreduksjonsmetoder som et verktøy for å oppdage skjulte variabler som styrer oppførselen til nevronene. Wu et al. (2017) utarbeidet modellen "latent manifold tuning", og vi bygger videre på denne ved å introdusere parametriserbare B-Spline-funksjoner, som et alterativ til ikke-parametriserbare Gaussiske prosesser, for å modellere nevroners tuningkurver (sammenhengen mellom en ekstern påvirkning og et nevrons aktitivitet). Ved å ta i bruk en iterativ maksimum a posteriori-metode sammenligner vi de to modellene, og evalurerer hvor godt de presterer i forhold til ulik datamengde, initialisering og valg av hyperparametere. Avslutningsvis utvider vi modellen vår til å ta høyde for fellestrekk blant tuningkurver hos nevronene, og bruker denne modellen til å avdekke hodebevegelsene til en mus basert på data innsamlet av Peyrache et al. (2015).