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.
Souligne la reproductibilité et la réutilisabilité des données dans les neurosciences silico, en mettant l'accent sur les outils et les méthodes de neuroinformatique.
Explore la modélisation de données in vitro pour les neurosciences informatiques, y compris la prédiction de la tension sous-seuil et des temps de pointe.
Explore l'impédance de rayonnement d'un piston sur un écran en utilisant COMSOL Multiphysics, en se concentrant sur les expressions de résistance, de masse et d'impédance.
Couvre le processus de balayage des paramètres dans QUCS, en se concentrant sur la configuration du type de simulation 'parameter sweep' avec des valeurs linéaires.
Explore la modélisation détaillée des canaux ioniques et des morphologies neuronales dans les neurosciences silico, couvrant la classification des neurones, la cinétique des canaux ioniques et les observations expérimentales.
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 le calcul et l'estimation dans la simulation stochastique, en se concentrant sur la génération de répliques iid et l'échantillonnage d'importance optimale.
