Couvre l'apprentissage hébbien, le renforcement de l'apprentissage, les types d'apprentissage, les modèles neuronaux, les règles d'apprentissage et l'homéostasie de poids.
Explique comment les vecteurs de poids convergent vers des valeurs identiques et comment les unités d'entrée corrélées dominent l'activité du neurone de sortie.
Couvre l'apprentissage des représentations sensorielles et des principes de concurrence, de coopération et d'adaptation synaptique dans les cartes de Kohonen.
Explore comment les mécanismes de plasticité synaptique conduisent à des neurones étroitement interconnectés et comment les formes des neurones influencent les tendances de la micro-connectivité.
Explore les règles d'apprentissage locales pour les représentations et les actions, couvrant la plasticité synaptique, le renforcement de l'apprentissage et les bonnes représentations.
Couvre l'informatique neuromorphe, les défis dans l'informatique ternaire et binaire, les simulations matérielles du cerveau, et les nouveaux matériaux pour les cellules cérébrales artificielles.