S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Explore l'importance de l'hippocampe dans la mémoire et la navigation spatiale, en discutant de sa structure unique et de ses implications pour la recherche plus large sur le cerveau.
Explore la dynamique de décision dans les neurosciences computationnelles, en mettant l'accent sur des modèles concurrentiels et des interactions 2-dimensionnelles efficaces entre les populations.
Explore les modèles de décision dans la dynamique neuronale de la cognition, couvrant la dynamique concurrentielle, la prise de décision perceptive et la théorie de la dynamique décisionnelle.
Couvre les modèles de décision en neuroscience computationnelle, en mettant l'accent sur la dynamique concurrentielle et la prise de décision perceptive.
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.
Explore la perspective évolutive de la surprise, de la curiosité et de la récompense, en mettant l'accent sur le rôle des signaux de récompense primaires et secondaires.
Introduit les bases de la connectomique cérébrale, y compris la terminologie, le prétraitement des données, l'IRM fonctionnelle, les mesures de connectivité et la structure modulaire.
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.