[Todos] Fwd: RECORDATORIO CHARLA IFLYSIB: Martes 21/8, 10.30hs: Herramientas de machine learning para la detección de variables representadas en el código neuronal

[Asistentes de Secretaria de Fisica]

-------- Mensaje original -------- 

 		ASUNTO:
 		RECORDATORIO CHARLA IFLYSIB: Martes 21/8, 10.30hs: Herramientas de
machine learning para la detección de variables representadas en el
código neuronal

 		FECHA:
 		2018-08-20 19:48

 		REMITENTE:
 		Charlas Iflysib <charlas.iflysib en gmail.com>

 		DESTINATARIO:
 		Charlas Iflysib <charlas-iflysib en googlegroups.com>,
academic en fcaglp.unlp.edu.ar, fcnym en museo.fcnym.unlp.edu.ar,
info en ciop.unlp.edu.ar, internet en biol.unlp.edu.ar, scyt en frlp.utn.edu.ar,
secre2 en fisica.unlp.edu.ar, secre en biol.unlp.edu.ar,
secre en mate.unlp.edu.ar, secretaria en inifta.unlp.edu.ar

LOS ESPERAMOS CON CAFÉ 15 MINUTOS ANTES DE LA CHARLA EN EL LOBBY DEL
INSTITUTO.

Charlas del IFLYSIB

Día y Horario: Martes 21/8, 10.30hs.

LUGAR: IFLYSIB (59 #789, LA PLATA) 
TÍTULO: _HERRAMIENTAS DE MACHINE LEARNING PARA LA DETECCIÓN DE VARIABLES
REPRESENTADAS EN EL CÓDIGO NEURONAL _ 

EXPOSITOR:  _SOFÍA LAWRIE_
DTIC y CBC, Universitat Pompeu Fabra, Barcelona, España

 RESUMEN: 
Comprender cómo se representan tanto la información sobre el mundo
exterior como aquella relacionada con el comportamiento autónomo es una
de las cuestiones centrales en el campo de la neurociencia. Con el
avance de tecnologías que permiten registrar de manera simultánea
ensambles cada vez mayores de neuronas, así como el diseño de creciente
complejidad de las tareas experimentales, ha hecho que técnicas
tradicionalmente reservadas para análisis de grandes volúmenes de datos
se conviertan en una nueva herramienta lista para ser aplicada en
neurociencia.

En esta distendida charla, haré una breve reseña histórica del código
neuronal, haciendo énfasis en el cambio de paradigma entre la doctrina
de la neurona y aquel que presenta a las redes neuronales como las
unidades funcionales del cerebro [1]. Luego, presentaré algunos
conceptos clásicos de machine learning actualmente aplicados para el
análisis de la actividad neuronal, como modelos lineales generalizados y
regresión logística [2], finalizando con algunos comentarios breves
sobre aplicaciones de estos modelos en un paradigma experimental para
estudiar la memoria de trabajo en monos, trabajo actualmente en curso.

Referencias:
[1] Yuste, R. From the neuron doctrine to neural networks. Nature
Reviews Neuroscience, 2015. DOI: 10.1038/nrn3962.
[2] Nogueira et al. LOFC anticipates choices and integrates prior with
current information, 2017. Nature Communications. DOI:
10.1038/ncomms14823. 

-- 

COMISIÓN CHIFLY 
______________________________________________ 
  Si no estás interesado en recibir los avisos de las chiflys
escribinos.
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://mail.fisica.unlp.edu.ar/pipermail/todos/attachments/20180821/d393993e/attachment.html>