S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Explore les buts et les défis de la neuroscience computationnelle, en mettant l'accent sur la dynamique neuronale de la cognition et les arguments de terrain moyen.
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.
Couvre la fonction neuronale, les modèles hiérarchiques, les comportements des taxis odorants et les paramètres de circuit disparates dans 18 diapositives.
Explore les types de solutions dans la neuroscience computationnelle, en se concentrant sur des solutions homogènes et de bosse dans la dynamique neuronale.
Explore les modèles de décision en neuroscience computationnelle, en mettant l'accent sur la dynamique concurrentielle, la prise de décision perceptive et le problème du libre arbitre.
Explore l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.
Explore la dynamique des populations neuronales, en mettant l'accent sur les réseaux aléatoires et les arguments de terrain moyen pour la connectivité.
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.
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.
