文献

J-GLOBAL ID：201702258059449587   整理番号：17A1631478

神経シナプス可塑性のシグナル伝達経路モデルの次数低減【Powered by NICT】

Order reduction for a signaling pathway model of neuronal synaptic plasticity

著者 (6件)： Lehtimaeki Mikko (Computational Neuroscience Group, BioMediTech Institute and Faculty of Biomedical Sciences and Engineering, Tampere University of Technology, FI-33720 Tampere, Finland) ,  Lehtimaeki Mikko (Department of Signal Processing, Tampere University of Technology, FI-33720 Tampere, Finland) ,  Paunonen Lassi (Mathematics, Faculty of Natural Sciences, Tampere University of Technology, Tampere, Finland, FI-33720 Tampere, Finland) ,  Pohjolainen Seppo (Mathematics, Faculty of Natural Sciences, Tampere University of Technology, Tampere, Finland, FI-33720 Tampere, Finland) ,  Linne Marja-Leena (Computational Neuroscience Group, BioMediTech Institute and Faculty of Biomedical Sciences and Engineering, Tampere University of Technology, FI-33720 Tampere, Finland) ,  Linne Marja-Leena (Department of Signal Processing, Tampere University of Technology, FI-33720 Tampere, Finland)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 50  号： 1  ページ： 7687-7692  発行年： 2017年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では脳における可塑性の非線形数学モデルを固有直交分解と離散経験的補間法を用いて減少させた。このような方法は大規模モデルを行う最適形成への入力と出力による還元小規模モデルを接続するための著しく有用である。数学モデル次数低減は数学モデルの線形化を行わない神経科学における,ここで提示したモデルに決して適用されていないとして新しい結果が得られた。縮小次元モデルは,オリジナルのものよりもかなり少ない計算資源を消費するオリジナルデータと縮小モデルの間の低い二乗平均平方根誤差を維持した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 内挿法 ,  *塑性 ,  小規模 ,  神経科学 ,  数学モデル
準シソーラス用語： 縮小モデル ,  計算資源 ,  線形化 ,  *伝達経路 ,  *シナプス可塑性 ,  *神経 , 【Automatic Indexing@JST】

著者キーワード (6件)： モデル縮小 ,  非線形モデル ,  固有直交分解 ,  離散経験的補間法 ,  細胞シグナル伝達 ,  シナプス可塑性

分類 (5件)： 石油と石油製品の性質,分析,試験  (YF02020X) ,  有機化合物の物理分析  (CC03034A) ,  分光分析  (CC03012W) ,  調味料,香辛料  (FJ10010W) ,  微生物検査法  (EG02020G)

タイトルに関連する用語 (5件)： 神経 ,  シナプス可塑性 ,  シグナル伝達経路 ,  モデル ,  次数低減