Explore le bruit d'échappement dans la neuroscience computationnelle, couvrant l'intensité stochastique, les intervalles d'intercirculation, les fonctions de vraisemblance, la comparaison des modèles de bruit, et les codes de vitesse par rapport aux codes temporels.
Explore la dynamique des populations neuronales, en mettant l'accent sur les réseaux aléatoires et les arguments de terrain moyen pour la connectivité.
Couvre les fondamentaux des signaux neuraux et du traitement des signaux, en mettant l'accent sur la modélisation et la simulation des systèmes neuraux.
Explore la qualité des modèles Integrate-and-Fire dans les neurosciences computationnelles par des comparaisons avec des données expérimentales et des prédictions mathématiques.
Introduit les fondamentaux du bruit dans l'électronique, couvrant les origines, les types de signaux, les caractéristiques de puissance et les sources de bruit.
Couvre l'activité spontanée du réseau cérébral, la simulation neuronale et la validation, soulignant l'importance des conditions in-vitro et in-vivo pour une modélisation précise du réseau.
