Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
Explore l'optogénétique, la chimiogénétique et la sonogénétique pour concevoir l'activité neuronale à l'aide de la lumière, des produits chimiques et du son.
Par Tatjana Tchumatchenko explore les fonctions de réponse dynamique dans les neurosciences, mettant l'accent sur le rôle des fonctions de réponse linéaire dans la compréhension de l'activité neuronale.
Couvre la fonction neuronale, les modèles hiérarchiques, les comportements des taxis odorants et les paramètres de circuit disparates dans 18 diapositives.
Couvre les données neurosciences hétérogènes, les techniques comme les microarrays et le séquençage des gènes, l'intégration des données, et l'importance des métadonnées dans l'organisation et le partage des données.
Couvre les bases NeuroM, y compris la vérification de la qualité des neurones, l'extraction de la morphométrie et la visualisation des neurones dans différents formats.
S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Se penche sur la simulation de la dynamique du réseau dans les neurosciences silico, couvrant l'activité spontanée et évoquée, les simulations in-vitro et in-vivo, et l'analyse de sensibilité.
Présente le programme de maîtrise en neuro-X, en mettant l'accent sur son approche interdisciplinaire et ses possibilités de carrière en neurotechnologie.
