S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Explore les modèles de décision en neuroscience computationnelle, en mettant l'accent sur la dynamique concurrentielle, la prise de décision perceptive et le problème du libre arbitre.
Explore l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.
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.
Explore les différences entre les experts et les novices dans la gestion de projet et le développement de l'expertise par le biais d'expériences pratiques.
Explore le concept de séparation des échelles de temps dans les neurosciences computationnelles et la réduction des détails dans les modèles neuronaux bidimensionnels.
Couvre les approches d'enseignement, les processus cognitifs et les stratégies d'apprentissage, y compris la pensée du cerveau gauche, la cartographie conceptuelle et l'importance de l'apprentissage coopératif.
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.