MétaCan
Menu
Retour à la cohorte
Enregistrement W7132992325

Adaptive myelination and its synchronous dynamics in the Kuramoto network model with state-dependent delays

2021· dissertation· W7132992325 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTSpace · 2021
Typedissertation
Langue
DomaineComputer Science
ThématiqueNonlinear Dynamics and Pattern Formation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésKuramoto modelControl theory (sociology)Stability (learning theory)Synchronization (alternating current)Limit (mathematics)Limit cycleTopology (electrical circuits)Multistability
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

White matter pathways form a complex network of myelinated axons that play a critical role in brain function by facilitating the timely transmission of neural signals. Recent evidence reveals that white matter networks are adaptive and that myelin undergoes continuous reformation through behaviour and learning during both developmental stages and adulthood in the mammalian life cycle. Consequently, this allows axonal conduction delays to adjust in order to regulate the timing of neuron signals propagating between different brain regions. Despite its newly founded relevance, the network distribution of conduction delays have yet to be widely incorporated in computational models, as the delays are typically assumed to be either constant or ignored altogether. From its clear influence towards temporal dynamics, we are interested in how adaptive myelination affects oscillatory synchrony in the brain. We introduce a plasticity rule into the delays of a weakly coupled oscillator network, whose positions relative to its natural limit cycle oscillations is described through a coupled phase model. From this, the addition of slowly adaptive network delays can potentially lead coupled oscillators to a more phase synchronous limit cycle. To see how adaptive white matter remodelling can shape synchronous dynamics, we modify the canonical Kuramoto model by enabling all connections with phase-dependent delays that change over time. We directly compare the synchronous behaviours of the Kuramoto model equipped with static delays and adaptive delays by analyzing the synchronized equilibria and stability of the system's phases. Our mathematical analysis of the model with Dirac and exponentially distributed connection delays, supported by numerical simulations, demonstrates that larger, more widely varying distributions of delays generally impede synchronization in the Kuramoto network. Adaptive delays act as a stabilizing mechanism for the synchrony of the network by adjusting towards a more optimal distribution of delays. Adaptive delays also make global synchronization more resilient to perturbations and injury towards network architecture. Our results provide insights about the potential significance of activity-dependent myelination. We hope that these results lay out the groundwork to computationally study the influence of adaptative myelination towards large-scale brain synchrony.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,640
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,272
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle