MARC

 008260126s2025        us                              c    eng  d
■001000017358392
■00520260202104654
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798280769526
■035    ▼a(MiAaPQ)AAI32115693
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a574.191
■1001  ▼aMarcinik,  Joseph  Michael.
■24510▼aReducing  Parameter  Count  in  a  Stochastic  Model  for  Hair-Bundle  Oscillations
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a162  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  B.
■500    ▼aAdvisor:  Bozovic,  Dolores.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2025.
■520    ▼aWe  explore  how  to  reduce  the  number  of  parameters  in  biophysical  models,  which  often  suffer  from  an  excess  of  parameters.  Specifically,  we  simplify  and  fit  a  stochastic  model  for  the  active  motility  of  hair  bundles,  constructed  from  experimental  observations.  Using  statistical  techniques  from  sensitivity  analysis,  we  rank  parameters  in  the  model  quantitatively.  We  then  fix  the  least  influential  parameters,  yielding  a  reduced  deterministic  model,  validated  using  information  criteria  to  ensure  optimal  predictive  power.  To  fit  a  stochastic  version  of  this  model  to  measured  hair  bundles,  we  develop  a  suitable  cost  function  to  fit  oscillatory  models,  applying  it  to  the  stochastic  hair-bundle  model  to  constrain  its  parameter  values.  Not  only  does  this  work  contribute  a  general  framework  to  fit  stochastic  oscillatory  models  to  measured  traces,  but  it  also  illuminates  the  key  biophysical  mechanisms  in  the  model.
■590    ▼aSchool  code:  0031.
■650  4▼aBiophysics
■650  4▼aApplied  mathematics
■650  4▼aCellular  biology
■650  4▼aNeurosciences
■653    ▼aHair  cells
■653    ▼aHearing
■653    ▼aModel  reduction
■653    ▼aOscillation
■653    ▼aParameter  estimation
■653    ▼aStochastic  oscillatory  models
■690    ▼a0786
■690    ▼a0364
■690    ▼a0379
■690    ▼a0317
■71020▼aUniversity  of  California,  Los  Angeles▼bPhysics  0666.
■7730  ▼tDissertations  Abstracts  International▼g86-12B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358392▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books