CRCNS: US-French Research Proposal: Principles of Inference through Neural Dynamics
CRCNS:美法研究提案:通过神经动力学进行推理的原理
基本信息
- 批准号:9916986
- 负责人:
- 金额:$ 21.94万
- 依托单位:
- 依托单位国家:美国
- 项目类别:
- 财政年份:2019
- 资助国家:美国
- 起止时间:2019-08-19 至 2024-05-31
- 项目状态:已结题
- 来源:
- 关键词:AreaBayesian AnalysisBayesian PredictionBehaviorBehavioralBehavioral SymptomsBeliefBrainComplexCouplingDataDiagnosisDimensionsDiseaseElectrophysiology (science)EngineeringFoundationsFutureGoalsHealthInstructionLanguageLinkLow PrevalenceMathematicsMeasurementModelingMonkeysNeural Network SimulationNeurobiologyNeuronsPatternPopulationPrimatesProcessProductionRecurrenceReproductionResearch ProposalsSeriesShapesSilicon DioxideStructureSystemTestingTrainingTranslational ResearchUncertaintyWorkawakebrain dysfunctiondynamic systemexperimental studyflexibilityfrontal lobehigh dimensionalityin vivoinsightnetwork modelsnon-linear transformationnovelrecurrent neural networkrelating to nervous systemsuccesstheoriestime interval
项目摘要
Recurrent interactions between neurons generate dynamic patterns of activity that serve as a substrate for
behaviorally relevant computations. However, we do not yet have a principled framework for relating neural
dynamics to neural computations. We have recently synthesized a theory that explains how low-rank
recurrent neural networks may serve as a building block for computations. Our overarching goal is to integrate
insights from this theory with behavior and electrophysiology in awake, behaving monkeys to establish a
principled framework relating neural dynamics to neural computations. The project will start with reverse
engineering low-rank network models that capture cortical dynamics in simple timing tasks. We then move
systematically toward progressively higher rank network models that can perform timing tasks with
progressively more sophisticated computational demands such as probabilistic inference of time intervals.
We aim to create models that simultaneously succeed in performing task-relevant computations (i.e.,
behavior) and emulate cortical dynamics recorded in monkeys performing those tasks. We will use this
iterative process to establish a principled framework relating neural dynamics to neural computations
underlying inference. Finally, we will put this framework to test using a novel task that demands an
unprecedented level of computational flexibility.
RELEVANCE (See instructions):
It has become increasingly apparent that the neurobiology of behavior in health and disease has to be
probed at the level of populations of neurons. However, we do not yet have a rigorous and quantitative
language for linking population neural activity to behavior. Our work combines primate electrophysiology
with neural network modeling and aims to develop such a language through the mathematics of dynamical
systems. The results hold promise for future translational research to diagnose behavioral symptoms of
brain dysfunction in terms of their computational modules and the dynamic patterns of activity that support
those modules.
神经元之间的复发相互作用会产生活性的动态模式,该模式用作底物
行为相关的计算。但是,我们还没有关联神经的原则框架
神经计算的动力学。我们最近综合了一个理论,该理论解释了级别的水平
复发性神经网络可以作为计算的基础。我们的总体目标是整合
通过行为和电生理学的洞察力在清醒中,行为猴子建立一个猴子
将神经动力学与神经计算有关的原则框架。该项目将从反向开始
在简单的计时任务中捕获皮质动力学的工程低级网络模型。然后我们移动
系统地朝着逐渐更高的等级网络模型,可以执行定时任务
逐渐更复杂的计算需求,例如时间间隔的概率推断。
我们旨在创建同时成功执行与任务相关的计算的模型(即
行为)并模拟执行这些任务的猴子中记录的皮质动力学。我们将使用这个
迭代过程,建立一个将神经动力学与神经计算有关的原则性框架
基础推理。最后,我们将使用此框架进行测试
空前的计算灵活性水平。
相关性(请参阅说明):
越来越明显的是,健康和疾病行为的神经生物学必须是
探测神经元种群的水平。但是,我们尚无严格和定量的
将种群神经活动与行为联系起来的语言。我们的工作结合了灵长类动物生理学
通过神经网络建模并旨在通过动态数学来开发这种语言
系统。结果对未来的翻译研究有希望,以诊断
大脑功能障碍的计算模块和支持的动态模式
那些模块。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Mehrdad Jazayeri其他文献
Mehrdad Jazayeri的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('Mehrdad Jazayeri', 18)}}的其他基金
Sensorimotor learning through adjustments of cortical dynamics
通过调节皮质动力学进行感觉运动学习
- 批准号:
10321910 - 财政年份:2021
- 资助金额:
$ 21.94万 - 项目类别:
Sensorimotor learning through adjustments of cortical dynamics
通过调节皮质动力学进行感觉运动学习
- 批准号:
10539258 - 财政年份:2021
- 资助金额:
$ 21.94万 - 项目类别:
CRCNS: US-French Research Proposal: Principles of Inference through Neural Dynamics
CRCNS:美法研究提案:通过神经动力学进行推理的原理
- 批准号:
10178116 - 财政年份:2019
- 资助金额:
$ 21.94万 - 项目类别:
CRCNS: US-French Research Proposal: Principles of Inference through Neural Dynamics
CRCNS:美法研究提案:通过神经动力学进行推理的原理
- 批准号:
10634598 - 财政年份:2019
- 资助金额:
$ 21.94万 - 项目类别:
Neural mechanisms of timing in the oculomotor system
动眼神经系统计时的神经机制
- 批准号:
8828815 - 财政年份:2014
- 资助金额:
$ 21.94万 - 项目类别:
Neural mechanisms of timing in the oculomotor system
动眼神经系统计时的神经机制
- 批准号:
8694366 - 财政年份:2014
- 资助金额:
$ 21.94万 - 项目类别:
Neural mechanisms of timing in the oculomotor system
动眼神经系统计时的神经机制
- 批准号:
9247851 - 财政年份:2014
- 资助金额:
$ 21.94万 - 项目类别:
相似国自然基金
基于统计假设检验和贝叶斯方法的网络社区结构分析和标签预测
- 批准号:
- 批准年份:2022
- 资助金额:30 万元
- 项目类别:青年科学基金项目
基于统计假设检验和贝叶斯方法的网络社区结构分析和标签预测
- 批准号:12201004
- 批准年份:2022
- 资助金额:30.00 万元
- 项目类别:青年科学基金项目
基于贝叶斯反卷积模型和单细胞技术的块转录组细胞类型定性定量分析系统以及在疾病治疗药效预测中的应用
- 批准号:
- 批准年份:2021
- 资助金额:55 万元
- 项目类别:面上项目
基于贝叶斯非参数遗传预测的复杂疾病两阶段全转录组关联分析建模策略与统计方法研究
- 批准号:82173630
- 批准年份:2021
- 资助金额:55.00 万元
- 项目类别:面上项目
基于贝叶斯非参数遗传预测的复杂疾病两阶段全转录组关联分析建模策略与统计方法研究
- 批准号:
- 批准年份:2021
- 资助金额:55 万元
- 项目类别:面上项目
相似海外基金
Genome-wide characterization of complex variants and their phenotypic effects in African populations
复杂变异的全基因组特征及其在非洲人群中的表型效应
- 批准号:
10721811 - 财政年份:2023
- 资助金额:
$ 21.94万 - 项目类别:
Bayesian Data-Driven Subject-Specific Modeling of Voice Production
贝叶斯数据驱动的语音产生的特定主题建模
- 批准号:
10904247 - 财政年份:2022
- 资助金额:
$ 21.94万 - 项目类别: