<div dir="ltr"><div><span style="white-space:pre-wrap">Caros,</span></div><div><span style="white-space:pre-wrap"><br></span></div><div><span style="white-space:pre-wrap">Na próxima sexta-feira, 05 de abriel, às 14:00h, teremos um seminário do Programa Interinstitucional de Pós-Graduação em Estatística (PIPGEs) da UFSCar-USP.</span></div><br><span style="white-space:pre-wrap">Nome: Ricardo Ferreira (UFSCar)</span><br><br><span style="white-space:pre-wrap">Título: </span>Estimando conexões em uma rede de neurônios estocásticos com memória de tamanho variável<br><br><div><span style="white-space:pre-wrap">Resumo: </span>Registros da atividade neuronal revelam que os disparos elétricos podem ocorrer de forma espontânea e irregular, apresentando variações mesmo quando o neurônio é exposto aos mesmos estímulos. Essas observações empíricas sugerem uma estrutura probabilística para a descrição matemática e o tratamento de fenômenos neuronais. Nesse sentido, a evolução da atividade neuronal ao longo do tempo pode ser modelada por um processo estocástico a tempo discreto, cujas variáveis aleatórias indicam se houve ou não um disparo em um dado instante de tempo. A atividade de um neurônio pós-sináptico é influenciada pelo comportamento dos neurônios pré-sinápticos com os quais interage. Assim, a probabilidade de um neurônio disparar condicionada à atividade passada da rede é tão maior quanto mais longe estiver o último disparo desse neurônio. Dessa forma, as redes que pretendemos estudar são sistemas estocásticos biológicos compostos por neurônios interagentes com memória de tamanho variável. Redes neuronais com essa estrutura foram propostas por Galves e Löcherbach (2013). Um problema importante envolvendo essas redes é o de estimar as conexões existentes entre os neurônios pré-sinápticos e os pós-sinápticos. Nessa palestra, falaremos a respeito de três métodos propostos para solucionar esse problema, sendo um deles uma nova contribuição. A partir de um estudo de simulação, veremos que o novo método é consistente e apresenta bom desempenho quando comparado aos outros dois. O método também é empregado em dados eletrofisiológicos ilustrando sua aplicabilidade na compreensão da conectividade neuronal. Esse é um trabalho conjunto com Matheus Pacola, Vitor Schiavone e Rodrigo Pena.</div><div><span style="white-space:pre-wrap"><br></span></div><div><span style="white-space:pre-wrap">Local: ICMC- USP São Carlos. Sala 4-005</span></div><div><span style="white-space:pre-wrap"><br></span></div><div><img src="cid:ii_luifaflc1" alt="Screenshot from 2024-04-02 10-36-10.png" width="536" height="511"><br><br></div><div><span style="white-space:pre-wrap"><br></span></div><div><div dir="ltr" class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div>          Rafael<br><br>--<br></div>Rafael Izbicki<br>Assistant Professor | Vice Director of Graduate Studies<br>Department of Statistics<br>Federal University of São Carlos (UFSCar)<br><a href="http://www.rizbicki.ufscar.br/" target="_blank">www.rizbicki.ufscar.br</a></div><div dir="ltr"><a href="http://www.small.ufscar.br" target="_blank">www.small.ufscar.br</a><br></div><div dir="ltr"><br><br></div></div></div></div></div></div></div></div></div></div></div></div></div></div>