• A robustness evaluation of the latent manifold tuning model 

      Myklebust, Even Moa (Master thesis, 2020)
      Nye teknikker for nevrale opptak setter forskere i stand til å gjøre simultanopptak av aktiviteten til stadig flere nevroner. Teknikker for dimensjonsreduksjon kan brukes til å undersøke hvordan nevroner jobber sammen som ...
    • A Spline-based Latent Variable Model for Neural State-space Discovery 

      Bjerke, Martin (Master thesis, 2021)
      Nylige fremskritt innen opptak av nevrale data har gitt forskere muligheten til å betrakte store ansamlinger av nevroner, noe som motiverer bruken av dimensjonsreduksjonsmetoder som et verktøy for å oppdage skjulte variabler ...
    • A statistical framework for identifying neuroplasticity after stroke 

      Anfindsen, Silje Marie (Master thesis, 2022)
      Hjernen er et fascinerende organ – milliarder av elektriske signaler mellom nevroner transporterer kontinuerlig informasjon. Ved å bruke funksjonell magnetresonansavbildning, også kalt fMRI, kan vi modellere disse prosessene. ...
    • A step toward model selection in unsupervised clustering of animal behavior 

      Danielsen, Ulrik Bernhardt (Master thesis, 2023)
      Dyrs bevegelsesmønster deles ofte inn i distinkte atferder, karakterisert av et sett kroppsbevegelser. Ved bruk av tidsfrekvensanalyse til å nyttegjøre informasjon om gjentakende bevegelsesmønstre, etterfulgt av ...
    • Action Representation in the Mouse Parieto-Frontal Network 

      Tombaz, Tuce; Dunn, Benjamin Adric; Hovde, Karoline; Cubero, Ryan John Abat; Mimica, Bartul; Mamidanna, Pranav; Roudi, Yasser; Whitlock, Jonathan (Peer reviewed; Journal article, 2020)
      The posterior parietal cortex (PPC) and frontal motor areas comprise a cortical network supporting goal-directed behaviour, with functions including sensorimotor transformations and decision making. In primates, this network ...
    • Bayesian optimal experimental design for studying synaptic plasticity 

      Myhre, Emil Alvar (Master thesis, 2021)
      Hjernen er senteret av nervesystemet til både oss mennesker og andre arter. Nevroner er de fundamentale cellene i hjernen, som gir opphav til den komplekse og kraftige hjernen som vi innehar ved å kommunisere med hverandre ...
    • Behavioral decomposition reveals rich encoding structure employed across neocortex in rats 

      Mimica, Bartul; Tombaz, Tuce; Battistin, Claudia; Fuglstad, Jingyi Guo; Dunn, Benjamin Adric; Whitlock, Jonathan Robert (Peer reviewed; Journal article, 2023)
      The cortical population code is pervaded by activity patterns evoked by movement, but it remains largely unknown how such signals relate to natural behavior or how they might support processing in sensory cortices where ...
    • Connecting the Dots: Integrating Visual Projections, Observational Learning, and Behavior Representation in Rodent Prefrontal Cortices 

      Rautio, Ida Välikangas (Doctoral theses at NTNU;2024:17, Doctoral thesis, 2024)
      The medial prefrontal cortex (mPFC) has been studied extensively across species, across functions and across experimental paradigms. Despite this, we still have not fully elucidated what this brain area truly does and how, ...
    • Correlations and functional connections in a population of grid cells 

      Dunn, Benjamin Adric; Mørreaunet, Maria; Roudi, Yasser (Journal article; Peer reviewed, 2015)
      We study the statistics of spike trains of simultaneously recorded grid cells in freely behaving rats. We evaluate pairwise correlations between these cells and, using a maximum entropy kinetic pairwise model (kinetic Ising ...
    • Decoding of neural data using cohomological feature extraction 

      Rybakken, Erik; Baas, Nils A.; Dunn, Benjamin Adric (Journal article; Peer reviewed, 2019)
      We introduce a novel data-driven approach to discover and decode features in the neural code coming from large population neural recordings with minimal assumptions, using cohomological feature extraction. We apply our ...
    • Detecting Neuronal Activity with Lasso Penalized Logistic Regression 

      Kristiansen, Dag Johnsrud (Master thesis, 2019)
      Hjernen er det mest komplekse organet i dyr, der det kontinuerlig overføres signaler mellom dens cellulære komponenter. Vi vil i denne oppgaven undersøke hvordan slik informasjon flyter, og prøve å fastslå enkelte koblinger. ...
    • Evaluating the quality of pairwise maximum entropy models in large neural datasets 

      Kargård Olsen, Valdemar (Master thesis, 2023)
      En intuitiv og tiltrekkende modell for å beskrive aktiviteten i en populasjon av nevroner er den parevise maksimalentropi-modellen. Denne modellen har vist seg å være god til å finne de eksperimentelt observerte sannsynlighetene ...
    • Feature Learning in the Neural Collapse regime of Deep Classifiers 

      Lindegaard, Marius (Master thesis, 2023)
      Vi har identifisert Neural Collapse i de indre, skjulte lagene i flere typer dype nevralnett. Vi har vist at fenomenet oppstår i både fullstendig koblede nevralnett, konvolusjonsnett og residual-nett for flere datasett, ...
    • Inferring the learning rule from spike train data with particle Metropolis-Hastings 

      Langsrud, Astrid (Master thesis, 2020)
      Hjernen vår består av nerveceller som kommuniserer med hverandre ved å sende elektriske impulser gjennom bindinger. Forskning har vist at disse bindingene kan utvikle seg over tid, og at måten disse utvikler seg på ser ut ...
    • Insights into the quantification and reporting of model-related uncertainty across different disciplines 

      Simmonds, Emily Grace; Dunn-Sigouin, Etienne; Adjei, Kwaku Peprah; Andersen, Christoffer Wold; Aspheim, Janne Cathrin Hetle; Battistin, Claudia; Bulso, Nicola; Christensen, Hannah M.; Cretois, Benjamin; Cubero, Ryan John Abat; Davidovich, Ivan Andres; Dickel, Lisa; Dunn, Benjamin Adric; Dyrstad, Karin; Einum, Sigurd; Giglio, Donata; Gjerløw, Haakon; Godefroidt, Amélie; González-Gil, Ricardo; Gonzalo Cogno, Soledad; Große, Fabian; Halloran, Paul; Jensen, Mari Fjalstad; Kennedy, John James; Langsæther, Peter Egge; Laverick, Jack H; Lederberger, Debora; Li, Camille; Mandeville, Elizabeth G; Mandeville, Caitlin; Moe, Espen; Schröder, Tobias Navarro; Nunan, David; Sicacha-Parada, Jorge; Simpson, Melanie Rae; Skarstein, Emma Sofie; Spensberger, Clemens; Stevens, Richard; Subramanian, Aneesh C.; Svendsen, Lea; Theisen, Ole Magnus; Watret, Connor; O'Hara, Robert B. (Peer reviewed; Journal article, 2022)
      Quantifying uncertainty associated with our models is the only way we can express how much we know about any phenomenon. Incomplete consideration of model-based uncertainties can lead to overstated conclusions with real-world ...
    • Kunstige nevrale nettverk for deteksjon av aksjonspotensialer i kalsiumbildedata 

      Antonsen, Mikkel (Master thesis, 2016)
      I oppgaven blir forskjellige nettverksarkitekturer og regulariseringsteknikker for kunstige nevrale nettverk undersøkt for om de kan brukes til å finne den underliggende årsaken til kalsiumbildedata. En arkitektur som ...
    • Learning with unknowns: analyzing biological data in the presence of hidden variables 

      Battistin, Claudia; Dunn, Benjamin Adric; Roudi, Yasser (Journal article, 2017)
      Despite our improved ability to probe biological systems at a higher spatio-temporal resolution, the high dimensionality of the biological systems often prevents sufficient sampling of the state space. Even with large scale ...
    • Programming a Computer to Play Human-like Chess 

      Rødsmoen, Maud (Master thesis, 2021)
    • The appropriateness of ignorance in the inverse kinetic Ising model 

      Dunn, Benjamin Adric; Battistin, Claudia (Journal article; Peer reviewed, 2017)
      We develop efficient ways to consider and correct for the effects of hidden units for the paradigmatic case of the inverse kinetic Ising model with fully asymmetric couplings. We identify two sources of error in reconstructing ...
    • Topologisk dataanalyse på konvolusjonelle nevrale nettverk 

      Larsen, Tor Erik (Master thesis, 2020)
      I denne oppgaven presenteres et forsøk på å gjenskape den såkalte primærsirkelen av pikselmatriser i vektorrommet av vekter i et konvolusjonelt nevralt nettverk (CNN) trent på et bildedatasett, ved hjelp av åpen kildekode ...