Explore les bases de la neuroimagerie, les échelles du réseau cérébral, la connectivité, l'histoire et la physique, soulignant l'importance de comprendre les données à différentes échelles.
Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Couvre la structure d'un cours de neurosciences, en se concentrant sur la membrane cellulaire, les canaux ioniques, la transmission synaptique et la fonction cérébrale.
Explore la vue d'ensemble, la justification et les stratégies de la neuroscience de simulation, en mettant l'accent sur les défis de la reconstruction et de la simulation du cerveau.
S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Étudier les limites des effets causaux en utilisant des paramètres de sensibilité à l'échelle de la différence de risque, en abordant les limites et en proposant de nouvelles approches.
Examine la dépendance statistique, la confusion et les méthodes d'inférence causale, en mettant l'accent sur la distinction entre les approches existantes et nouvelles.
Explore l'étude du comportement chez les animaux et les robots, en soulignant l'importance de l'étude du comportement et des mécanismes neuronaux impliqués.
Explore la neuroplastie, les techniques de stimulation cérébrale, et leurs applications dans divers troubles neuropsychiatriques et l'apprentissage moteur.
Discute des définitions et de l'évaluation des niveaux de conscience par le biais de neuroimagerie et de réseaux cérébraux, en mettant l'accent sur la connICA pour cartographier les traits fonctionnels du connectome.
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.