Aprèn - Antoni Guillamon Grabolosa

The cortex, the outermost layer of the brain where most of the information is processed at a mesoscopic scale, is formed by cortical columns. These cortical columns are composed by neurons that organize in a cylindrical shape. The dynamical behavior of these columns can be modeled through neural mass models: physiologically plausible nonlinear mathematical models that represent the average dynamics of all the neurons inside them. In this work, a network of interacting cortical columns, each one of them modelled by the Jansen-Rit model, is presented with a set of connectivity parameters that determine the interactions between the columns. These parameters are tuned using a machine learning tool, genetic algorithms, which take inspiration from biological evolution, with the aim of learning to process a set of input signals that mimic sensory information. The results obtained show that the neural mass network built in this work is capable of learning different input signals and classifying them using synchronization of the dynamics of the neural mass models in the output layer.

El córtex, la capa más externa del cerebro donde se procesa la mayor parte de la información a escala mesoscópica, está formado por columnas corticales. Estas están compuestas por neuronas que se organizan de forma cilíndrica. El comportamiento dinámico de estas columnas puede modelarse mediante modelos de masa neuronal: modelos matemáticos no lineales fisiológicamente plausibles que representan la dinámica media de todas las neuronas que se encuentran en su interior. En este trabajo se presenta una red de columnas corticales en interacción, cada una de ellas siguiendo el modelo Jansen-Rit, con un conjunto de parámetros de conectividad que determinan las interacciones entre las columnas. Estos parámetros se ajustan mediante una herramienta de aprendizaje automático: los algoritmos genéticos, que se inspiran en la evolución biológica, con el objetivo de aprender a procesar un conjunto de señales de entrada que imitan la información sensorial. Los resultados obtenidos muestran que la red construida en este trabajo es capaz de aprender diferentes señales de entrada y clasificarlas utilizando la sincronización de la dinámica de los modelos Jansen-Rit de la capa de salida.

El còrtex, la capa més externa del cervell on es processa la major part de la informació a escala mesoscòpica, està format per columnes corticals. Aquestes estan compostes per neurones que s'organitzen de forma cilíndrica. El comportament dinàmic d'aquestes columnes es pot modelar mitjançant models de massa neuronal: models matemàtics no lineals fisiològicament plausibles que representen la dinàmica mitjana de totes les neurones que es troben al seu interior. En aquest treball es presenta una xarxa de columnes corticals en interacció, cadascuna d'elles seguint el model Jansen-Rit, amb un conjunt de paràmetres de connectivitat que determinen les interaccions entre les columnes. Aquests paràmetres s'ajusten mitjançant una eina d'aprenentatge automàtic: els algoritmes genètics, que s'inspiren en l'evolució biològica, amb l'objectiu d'aprendre a processar un conjunt de senyals d'entrada que imiten la informació sensorial. Els resultats obtinguts mostren que la xarxa construïda en aquest treball és capaç d'aprendre diferents senyals d'entrada i classificar-les utilitzant la sincronització de la dinàmica dels models Jansen-Rit de la capa de sortida.

Neuronal oscillations level sets for activity constancy: from single neurons to networks

Bachelor thesis

Villanueva Benito, Guillermo

Tutor / Supervisor: Rotstein, Horacio; Guillamon Grabolosa, Antoni

Publication date: 2021

Interdisciplinary Higher Education Centre (CFIS)
School of Mathematics and Statistics (FME)
Barcelona School of Telecommunications Engineering (ETSETB)

View detail Access to the full text

Els patrons oscil·latoris neuronals poden estar caracteritzats per un cert nombre d'atributs com la freqüència, l'amplitud, el cicle de treball, els temps característics de transició entre fases silencioses i actives, i el nombre de potencials d'acció per ràfega. El valor d'aquests atributs està determinat per la interacció dels corrents participants i, per als corrents apropiades, es pot expressar en termes de les conductàncies sinàptiques màximes. Treball experimental i teòric ha mostrat que múltiples combinacions de paràmetres poden generar patrons amb els mateixos atributs. Això dota les neurones i xarxes amb la flexibilitat per adaptar-se a ambients canviants i és font per a la regulació homeostàtica. A el mateix temps, els modeladors es troben amb el fenomen de inidentifiabilidad en l'estimació de paràmetres. Els conjunts de nivell dels atributs (LSS) en l'espai de paràmetres són corbes (superfícies o hipersuperficies) que consisteixen en un conjunts de valors de paràmetres que mantenen constant un atribut. Si i sota quines circumstàncies els LSS de les neurones individuals són conservats en les xarxes de les que formen part i quins nous LSS emergeixen a la xarxa no està ben entès. En aquest treball descrivim un model canònic (C-) per LSS d'oscil·lacions d'una cèl·lula individual, que exhibeix un àmplia rang de patrons oscil·latoris realistes. El model pot ser considerat com una idealització dels familiars models de dues dimensions basats en conductàncies. Sota certes condicions, els LSS d'una cèl·lula individual són preservats en xarxes compostes per C-cèl·lules. A més, nous LSS emergeixen en aquestes xarxes. Els caracteritzem in termes dels LSS de la cèl·lula individual i els parámetos de connectivitat tant en xarxes homogènies com en heterogènies on els cèl·lules són identas o no, respecticvamente, dins l'LS considerat.

Los patrones oscilatorios neuronales pueden estar caracterizados por un cierto número de atributos como la frequencia, la amplitud, el ciclo de trabajo, los tiempos característicos de transición entre fases silenciosas y activas, y el número de potenciales de acción por ráfaga. El valor de estos atributos está determinado por la interacción de las corrientes participantes y, para las corrientes apropiadas, se puede expresar en términos de las conductancias sinápticas máximas. Trabajo experimental y teórico ha mostrado que múltiples combinaciones de parámetros pueden generar patrones con los mismos atributos. Esto dota a las neuronas y redes con la flexibilidad para adaptarse a ambientes cambiantes y es fuente para la regulación homeostática. Al mismo tiempo, los modeladores se encuentran con el fenómeno de inidentifiabilidad en la estimación de parámetros. Los conjuntos de nivel de los atributos (LSs) en el espacio de parámetros son curvas (superficies o hipersuperficies) que consisten en un conjuntos de valores de parámetros que mantienen constante un atributo. Si y bajo qué circunstancias los LSs de las neuronas individuales son conservados en las redes de las que forman parte y qué nuevos LSs emergen en la red no está bien entendido. En este trabajo describimos un modelo canónico (C-) para LSs de oscilaciones de una célula individual, que exhibe un amplia rango de patrones oscilatorios realistas. El modelo puede ser considerado como una idealización de los familiares modelos de dos dimensiones basados en conductancias. Bajo ciertas condiciones, los LSs de una célula individual son preservados en redes compuestas por C-células. Además, nuevos LSs emergen en estas redes. Los caracterizamos in términos de los LSs de la célula individual y los parámetos de conectividad tanto en redes homogeneas como en heterogeneas donde los células son identas o no, respecticvamente, dentro del LS considerado.

Neural oscillatory patterns can be characterized by a number of attributes such as frequency, amplitude, duty cycle, characteristic transition times between silent and active phases, and number of spikes per burst. The value of these attributes are determined by the interplay of the participating currents and, for the appropriate currents, can be captured the maximal synaptic conductances. Experimental and theoretical work has shown that multiple combinations of parameters can generate patterns with the same attributes. This endows neurons and networks with flexibility to adapt to changing environments and is substrate for homeostatic regulation. At the same time, it presents modelers with the phenomenon of unidentifiability in parameter estimation. Attribute Level sets (LSs) in parameter space are curves (surfaces or hypersurfaces) joining parameter values for which a given attribute is constant. Whether and under what circumstances the attribute LSs for individual neurons are conserved in the networks in which they are embedded and what additional network level sets emerge is not well understood. In this work we describe a canonical (C-) model for oscillations LSs for single cells exhibiting a wide range of realistic neuronal oscillatory patterns. The model can be considered as an idealization of the familiar, conductance-based two-dimensional models. Under certain conditions, the LSs for individual C-cells are preserved in the network of C-cells. Moreover, new LSs emerge in these networks. We characterize them in terms of the single cell LSs and the connectivity parameters for both homogeneous and heterogeneous networks where individual cells are identical or not, respectively, within the considered LS.

Mathematical analysis of desensitization of G protein-coupled receptors

Master thesis

Valdes Martin, Roger

Tutor / Supervisor: Guillamon Grabolosa, Antoni; Giraldo Arjonilla, Jesus

Publication date: 2021

School of Mathematics and Statistics (FME)

View detail Access to the full text

Data-driven model of endogenous and exogenous electric fields modulation of cerebral cortex activity

Master thesis

Colom Hernández, Jaume

Tutor / Supervisor: Guillamon Grabolosa, Antoni; Destexhe, Alain; Sánchez Vives, Maria Victoria

Publication date: 2021

School of Mathematics and Statistics (FME)

View detail Access to the full text

Detection of dynamical states of neuronal networks with persistent homology tools

Master thesis

Gutiérrez Von Porat, Nils

Tutor / Supervisor: Guillamon Grabolosa, Antoni; Ibáñez Marcelo, Esther

Publication date: 2021

School of Mathematics and Statistics (FME)

View detail Access to the full text

Sensitivity of neuron oscillators to stimulation frequency

Master thesis

Molina Grané, Carla

Tutor / Supervisor: Guillamon Grabolosa, Antoni; Pérez Cervera, Alberto

Publication date: 2020

School of Mathematics and Statistics (FME)

View detail Access to the full text

Optimal control over damped oscillations via response curves

Master thesis

Martínez Añón, Kevin

Tutor / Supervisor: Guillamon Grabolosa, Antoni

Publication date: 2020

School of Mathematics and Statistics (FME)

View detail Access to the full text

Estimation of synaptic conductances using control theory

Master thesis

Tresserras Pujadas, Lluc

Tutor / Supervisor: Fossas Colet, Enric; Guillamon Grabolosa, Antoni

Publication date: 2020

School of Mathematics and Statistics (FME)

View detail Access to the full text

Taula Rodona. Trànsit a la no-presencialitat: del pànic a l'esperança

Audiovisual

Pons Vallès, Montserrat; Guillamon Grabolosa, Antoni; Martín, A.

Publication date: 2020

Access to the full text

Phase-responsiveness transmission in a network of quadratic integrate-and-fire neurons

Bachelor thesis

Arqué Pérez, Ferran

Tutor / Supervisor: Guillamon Grabolosa, Antoni; Lázaro Ochoa, José Tomás

Publication date: 2020

School of Mathematics and Statistics (FME)

View detail Access to the full text

Modelling attentional biases in bistable perception

Master thesis

Vilardell Barnosell, Marina

Tutor / Supervisor: Guillamon Grabolosa, Antoni; Lázaro Ochoa, José Tomás

Publication date: 2019

School of Mathematics and Statistics (FME)

View detail Access to the full text

Phase response to stimuli : the case of excitable systems

Master thesis

Moreno González, Román

Tutor / Supervisor: Guillamon Grabolosa, Antoni

Publication date: 2019

School of Mathematics and Statistics (FME)

View detail Access to the full text

Varietats estables dels cicles límit amb aplicació a l'estudi dels avançaments de fase

Bachelor thesis

Donadello, Gaia Aurora

Tutor / Supervisor: Guillamon Grabolosa, Antoni

Publication date: 2018

School of Mathematics and Statistics (FME)

View detail Access to the full text

Synchronization in populations of neurons

Bachelor thesis

Matabosch Reixach, Ariadna

Tutor / Supervisor: Guillamon Grabolosa, Antoni; Pérez, Alberto

Publication date: 2017

School of Mathematics and Statistics (FME)

View detail Access to the full text

CÀLCUL (1r quadrimestre) Restricted access to the UPC academic community

Exam

Guillamon Grabolosa, Antoni

Publication date: 2016

Barcelona School of Building Construction (EPSEB)

CALCULUS - 310200

Access to the full text

Filter results

+ Type

Exam 50

Master thesis 20

Bachelor thesis 7

Lecture notes 7

Audiovisual 1

Practical exercise 1

Practice 1

+ Date

2022 3

2021 7

2020 5

Academic framework

+ Teacher
Informació
Filter to limit your search according to the teaching staff who have participated in producing one or more of the contents currently displayed.
It displays a list of the teaching staff who have participated most in producing the contents currently displayed.
Next to each professor’s name you will see the number of contents that will be displayed if you apply the filter. In some cases, you will also see an icon that you can click on to bring up the professor’s page in the Aprèn system.

Guillamon Grabolosa, Antoni 88

Ferrer Biosca, Alberto 9

Serrat Piè, Carles 9

School
Informació
Filter to limit your search according to schools related to one or more of the contents currently displayed.
It displays a list of the schools related to the greatest number of the contents currently displayed.
Next to the name of each school you will see the number of contents that will be displayed if you apply the filter for that school. In some cases, you will also see an icon that you can click on to bring up the school’s page in the Aprèn system.

Barcelona School of Building Construction (EPSEB) 59

School of Mathematics and Statistics (FME) 26

Barcelona School of Telecommunications Engineering (ETSETB) 2

Interdisciplinary Higher Education Centre (CFIS) 1

Terrassa School of Industrial, Aerospace and Audiovisual Engineering (ESEIAAT) 1

Department

Department of Mathematics (MAT) 88

Department of Physics (FIS) 1

Campus

Campus Sud 85

Campus Nord 2

Campus de Terrassa 1

+ Course

CALCULUS - 310200 50

MATHEMATICAL FUNDAMENTALS OF ENGINEERING FOR BUILDING CONSTRUCTION - 310001 5

MATHEMATICAL METHODS I - 27101 1

+ Degree

MASTER'S DEGREE IN ADVANCED MATHEMATICS AND MATHEMATICAL ENGINEERING - (2010) 17

BACHELOR'S DEGREE IN ARCHITECTURAL TECHNOLOGY AND BUILDING CONSTRUCTION - (2015) 6

BACHELOR'S DEGREE IN MATHEMATICS - (2009) 5

Former degree

BACHELOR'S DEGREE IN GEOMATICS ENGINEERING AND SURVEYING - (2010) 50

BACHELOR'S DEGREE IN BUILDING CONSTRUCTION SCIENCE AND TECHNOLOGY - (2009) 6

DIPLOMA IN TOPOGRAPHY - (1997) 3

MASTER'S DEGREE IN MATHEMATICAL ENGINEERING - (2009) 3

APRÈN. Portal de la producció docent del professorat de la UPC

Antoni Guillamon Grabolosa

Document type and date

Conditions for access

Teaching content

Filter results

+ Type

+ Date

Conditions for access

Languages

Thematic areas

Solved exam

Academic framework

Department

Campus

+ Course

+ Degree

Former degree

APRÈN. Portal de la producció docent del professorat de la UPC

Antoni Guillamon Grabolosa

Document type and date

Conditions for access

Teaching content

Filter results

Solved examInformació×Filter to limit your search by showing only those exams that include the solutions.OK

Academic framework

Solved exam