S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Explore la mémoire, l'apprentissage, la charge cognitive et les stratégies de résolution de problèmes pour améliorer l'apprentissage et la performance cognitive.
Explore la dynamique neuronale de la prise de décision, en se concentrant sur les algorithmes et le rôle de la dopamine dans l'apprentissage et le comportement.
Explore l'intelligence visuelle, couvrant la formation d'images, la perception, la vision par ordinateur, l'apprentissage par correspondance, l'analyse du mouvement et la reconnaissance dans les vidéos.
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 des modèles cognitifs et neuraux de motricité séquentielle, en se concentrant sur la tâche de production de séquence discrète et les substrats neuraux.
Explore la capacité des réseaux de neurones à apprendre des fonctionnalités et à faire des prédictions linéaires, en soulignant l'importance de la quantité de données pour une performance efficace.