Explore la classification et les comportements électriques des interneurons GABAergiques dans le cortex cérébral, soulignant l'importance d'une terminologie cohérente et de la compréhension de la diversité des canaux ioniques.
Explore le modèle Hodgkin-Huxley, les phases de potentiel d'action, la dynamique ionique, la théorie des câbles et la modélisation compartimentale dans l'excitabilité neuronale.
Explore les modèles de connectivité neuronale, les probabilités de connexion et les techniques expérimentales utilisées pour étudier la connectivité synaptique.
Explore différentes formes de plasticité synaptique et les mécanismes qui les sous-tendent, en mettant l'accent sur le rôle du calcium dans l'induction et le maintien des changements plastiques.
Couvre les souris transgéniques utilisant les lignes de Cre et l'optogénétique, explorant les techniques de manipulation des cellules neurales et l'expression génétique spécifique à la région du cerveau.
Explore le sous-ajustement, le surajustement, les hyperparamètres, le compromis biais-variance et l'évaluation de modèle dans l'apprentissage automatique.
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'amélioration des prédictions d'apprentissage automatique en raffinant les mesures d'erreur et en appliquant des contraintes pour améliorer la précision des prédictions de densité électronique.
Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.
Couvre les principes fondamentaux de l'apprentissage profond, y compris les données, l'architecture et les considérations éthiques dans le déploiement de modèles.
Explique la rétropropagation dans les réseaux neuronaux, la mise à jour des poids en fonction des erreurs et l'évaluation des réseaux par le biais de pertes d'entraînement et de tests.
Explore la compréhension biophysique du comportement neuronal, en se concentrant sur les potentiels d'action, les défis de modélisation neuronale et l'inhibition dendritique.
