Couvre l'analyse des données neurophysiologiques, y compris la détection AP, le calcul de la vitesse de tir et l'analyse spectrale, en mettant l'accent sur la prédiction des classes cellulaires.
Couvre les fondamentaux des signaux neuraux et du traitement des signaux, en mettant l'accent sur la modélisation et la simulation des systèmes neuraux.
Explore l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.
Couvre les propriétés électriques des neurones, en se concentrant sur les mécanismes de transport ionique et leur rôle dans la génération de signaux électriques.
Explore les techniques d'électrophysiologie in vivo pour étudier la fonction cérébrale à l'aide de potentiels extracellulaires et d'enregistrements de cellules entières.
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.
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 la compréhension biophysique du comportement électrique neuronal, y compris les défis dans la modélisation des neurones, la génération de potentiels d'action, et l'impact de la structure dendritique sur les schémas de tir.
Explore le potentiel d'inversion et l'équation de Nernst dans les neurosciences computationnelles, en se concentrant sur les canaux ioniques et la biophysique neuronale.
Explore la modélisation de l'activité électrique du neurone, y compris les canaux ioniques et les concentrations, l'équation de Nernst et le potentiel de repos.
Explore les stratégies de reconstruction et de simulation dans Simulation Neuroscience, mettant l'accent sur les composants de construction, les workflows, la validation, la diversité des neurones, l'anatomie des microcircuits et les volumes de tissus virtuels.