Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

BMBISamJohnson

Financiado

Cerrado

Biological Mechanisms for Bayesian Inference

A growing body of experimental evidence suggests that animals, and in particular humans, are capable of inferring knowledge about reality from uncertain or incomplete data in a way that is, according to Bayes’ theorem, mathematica... ver más

30/04/2014

IMPERIAL COLLEGE O...

194K€

Presupuesto del proyecto: 194K€

Líder del proyecto

IMPERIAL COLLEGE OF SCIENCE TECHNOLOGY AND ME... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo FP7 notifico la concesión del proyecto el día 2014-04-30 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

1 Participantes

IMPERIAL COLLEGE OF SCIENCE...

0.00€ | Lider

Proyectos interesantes

RYC-2010-05748

Data Science

Applied Physics

192K€ Cerrado

EEBB-I-12-04615

Data Science

Applied Physics

7K€ Cerrado

BES-2010-031501

Data Science

Applied Physics

43K€ Cerrado

Code4Memory

Data Science

Applied Physics

2M€ Cerrado

SAMPLING

Data Science

Applied Physics

2M€ Cerrado

COCONET

Data Science

Applied Physics

206K€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

IMPERIAL COLLEGE OF SCIENCE TECHNOLOGY AND ME... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 194K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto A growing body of experimental evidence suggests that animals, and in particular humans, are capable of inferring knowledge about reality from uncertain or incomplete data in a way that is, according to Bayes’ theorem, mathematically optimal [1, 2]. The case that the brain is, at some level, a Bayesian inference machine was made much stronger when Ma et al. [3] recently described a mechanism whereby a neural network could indeed store and manipulate probability distributions – a mechanism that reduces Bayes’ theorem to a sum [4]. We shall bring together tools and recent advances from in the fields of Complex Networks [5] and Computational Neuroscience [6] with a view to: a) designing methods and algorithms for tasks such as grammar inference or network routing; b) putting forward neural network models which are capable of integrating Bayesian inference with other necessary brain functions, such as working memory or information processing; and c) exploring, in greater detail, how Bayesian inference could be carried out in realistic biological settings. References [1] M.O. Ernst, M.S. Banks, N. Models, and S. Thresholds, Humans integrate visual and haptic information in a statistically optimal fashion, Nature, 415, 429-33 (2002). [2] T. Yang and M.N. Shadlen, Probabilistic reasoning by neurons, Nature, 447, 1075-80 (2007). [3] W.J. Ma, J.M. Beck, P.E. Latham, and A. Pouget, Bayesian inference with probabilistic population codes, Nature Neurosci., 9, 1432-8 (2006). [4] J.M. Beck, W.J. Ma, R. Kiani, T. Hanks, A.K. Churchland, J. Roitman, M.N. Shadlen, P.E. Latham, and A. Pouget, Probabilistic population codes for Bayesian decision making, Neuron, 60, 1142-52(2008). [5] S. Johnson, J.J. Torres, J. Marro, and M.A. Muñoz, Entropic origin of disassortativity in complex networks, Phys. Rev. Lett.., 104, 108702 (2010) [6] S. Johnson, J. Marro, and J.J. Torres, Cluster Reverberation: a mechanism for robust working memory without synaptic learning, submitted.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores