Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 105,45

+ 210 punten

Levertermijn 1 à 4 weken

Eenvoudig bestellen

Veilig betalen

In januari gratis thuislevering in België (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

This book provides a self-contained introduction to a new class of stochastic models for systems of spiking neurons. These systems have a large number of interacting components, each one evolving as a stochastic process with a memory of variable length. Several mathematical tools are put to use, such as Markov chains, stochastic chains having memory of variable length, point processes having stochastic intensity, Hawkes processes, random graphs, mean field limits, perfect sampling algorithms, the Context algorithm, and statistical model selection.

The book's focus on mathematically tractable objects distinguishes it from other texts on theoretical neuroscience. The biological complexity of neurons is not ignored, but reduced to some of its main features, such as the intrinsic randomness of neuronal dynamics. This reduction in complexity aims at explaining and reproducing statistical regularities and collective phenomena that are observed in experimental data, an approach that leads to mathematically rigorous results.

With an emphasis on a constructive and algorithmic point of view, this book is directed towards mathematicians interested in learning about stochastic network models and their neurobiological underpinning, and neuroscientists interested in learning how to build and prove results with mathematical models that relate to actual experimental settings.