Explore le contrôle neuronal du mouvement, en mettant l'accent sur les systèmes sensorimoteurs, les circuits médullaires et les réflexes d'étirement musculaire.
Explore un modèle mathématique du cerveau, en discutant de la dynamique, des équilibres, de la sélectivité d'orientation et des modèles de réseaux corticaux.
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.
Présente les atlas du cerveau de l'Institut Allen, les outils génétiques, l'analyse de connectivité et les modèles de calcul pour comprendre la fonction cérébrale.
Explore le traitement du signal graphique appliqué aux réseaux cérébraux, en mettant l'accent sur la relation entre la fonction cérébrale et la structure en utilisant des méthodes telles que le graphique Fourier Transform et l'indice de découplage structural.
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.
Déplacez-vous dans le Graph Signal Processing dans les réseaux du cerveau, mettant l'accent sur l'intégration de la structure du cerveau et de la fonction par des techniques innovantes.
Explore les modules du réseau cérébral et la structure communautaire, y compris le connectome fonctionnel modulaire naturel, la modularité du réseau et les algorithmes de détection communautaire.
Couvre l'informatique neuromorphe, les défis dans l'informatique ternaire et binaire, les simulations matérielles du cerveau, et les nouveaux matériaux pour les cellules cérébrales artificielles.
Plonge dans les mécanismes cellulaires des interactions sensorimotrices dans le cerveau, en mettant l'accent sur le contrôle du mouvement des moustaches.
Plonge dans les mécanismes cellulaires de la fonction cérébrale, en comparant les cerveaux de la souris et de l'homme pour développer des traitements pour les maladies du cerveau.
Souligne la reproductibilité et la réutilisabilité des données dans les neurosciences silico, en mettant l'accent sur les outils et les méthodes de neuroinformatique.