Explore GLM, tests statistiques, signaux neuraux et traitement des signaux, couvrant les contrastes, les comparaisons multiples, les tests F, la connectivité fonctionnelle, l'IRMf à l'état de repos et les méthodes multivariées.
S'oriente vers l'analyse de la dynamique cérébrale et des réseaux à l'aide de techniques de neuroimagerie avancées et de méthodes de traitement des signaux.
Explore le traitement neurobiologique des signaux, couvrant la modélisation des pics, la classification des signaux et la caractérisation des données à l'aide de l'analyse des composantes principales.
Explore les progrès et les défis dans les peaux électroniques neuromorphes, visant à permettre une utilisation intuitive des membres de remplacement et des robots autonomes.
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 la densité spectrale de puissance, le théorème de Wiener-Khintchine, l'ergonomie et l'estimation de corrélation dans les signaux aléatoires pour le traitement du signal.
Discute de l'assemblage des réseaux neuraux en définissant l'espace et en la populant avec des neurones, en mettant l'accent sur les défis et les stratégies pour des morphologies précises et de l'information sur le volume.
Couvre l'analyse de la puissance et de la consommation de courant dans un système de caméra CMOS, y compris les calculs pour les étages d'amplification et les comparaisons avec la technologie CCD.
Explore la synergie entre l'apprentissage automatique et les neurosciences, en montrant comment les réseaux neuronaux profonds peuvent prédire les réponses neuronales et les défis rencontrés par l'IA en robotique.