PROPOSTE DI TESI e/o STAGE

Tesi Magistrale su "Complex Networks per Computational Neuroscience"

 
 
Immagine Erseghe Tomaso
Tesi Magistrale su "Complex Networks per Computational Neuroscience"
di Erseghe Tomaso - mercoledì, 9 novembre 2016, 12:20
 
Si propone una tesi magistrale su argomenti di "Computational Neuroscience." L'idea e' quella di applicare criteri di ottimizzazione e algoritmi di inferenza statistica su reti ("Complex Networks") tipici del mondo dello ICT per la soluzione di problemi di neuroscienze. Si vogliono estrarre informazioni su come le varie regioni del cervello comunichino tra di loro, e quale sia la forma effettiva della rete di comunicazione cerebrale.

A chi e' rivolta la tesi: a tutti laureati magistrali dell'informazione

Cosa serve sapere per affrontare la tesi: elementi base di statistica e di ricerca operativa; qualcosa riguardo algoritmi di ottimizzazione su reti.

Input: I dati da cui si parte sono quelli della risonanza magnetica (magnetic resonance imaging (MRI)) che catturano i messaggi neuronali con una precisione tipica di 3x3x3 mm cubo per voxel (il pixel in 3D).

Output: Il risultato che si vuole ottenere e' una mappa della dipendenza tra le varie regioni cerebrali, ovvero, una matrice di adiacenza (pesata).

Modello: Il modello che si vuole prendere come riferimento e' il cosiddetto dynamic causal model (DCM), sviluppato presso lo University College of London (UCL), un modello non lineare con memoria. Questo modello e' molto piu' affidabile rispetto a semplici approcci a correlazione, ma i suoi parametri sono complicati da stimare.

Metodo: Il metodo che si vuole seguire e' quello di applicare algoritmi di ottimizzazione distribuita, quali lo ADMM (alternating direction multiplier method), alla soluzione del problema, per poter riuscire ad identificare una soluzione ad alta affidabilita' e bassa complessita' che risolva l'attuale problema di complessita' computazionale legato a DCM.

Contatto: Prof. Tomaso Erseghe (erseghe@dei.unipd.it)