Explore l'application de la neuroscience computationnelle en neuroprothèse, en se concentrant sur la prédiction des mouvements de bras prévus en fonction des temps de pointe et de l'importance de l'optimisation systématique des paramètres.
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.
Explore la dynamique des populations neuronales, en mettant l'accent sur les réseaux aléatoires et les arguments de terrain moyen pour la connectivité.
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.
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.
Discute de trois définitions du code de taux dans les neurosciences informatiques, en mettant l'accent sur la moyenne temporelle, les intervalles entre les spikes et le facteur FANO.
Explore le concept de séparation des échelles de temps dans les neurosciences computationnelles et la réduction des détails dans les modèles neuronaux bidimensionnels.
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 la variabilité des trains de pics dans les neurosciences informatiques, couvrant les expériences, les sources de variabilité, et l'arrivée et le tir de pics stochastiques.
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.