Explore la connexion entre les réseaux neuronaux et la théorie quantique du champ, en se concentrant sur la correspondance entre les espaces de paramètres et de fonctions.
Explore les modèles thématiques, les modèles de mélange gaussien, la répartition des dirichlets latents et l'inférence variationnelle dans la compréhension des structures latentes à l'intérieur des données.
Explore l'analyse des signaux EMG, les modèles de mélange, les modèles gaussiens et le tri des pics dans le traitement des signaux neuraux à l'aide de PCA.
Explore le concept de champ moyen stationnaire dans les neurosciences computationnelles pour prédire l'activité neuronale en fonction de la population et des taux de déclenchement d'un seul neurone.
Explore les représentations structurales équivariantes dans l'apprentissage machine atomistique, soulignant l'importance de représenter les propriétés cibles dans la base sphérique.
