Explore la variabilité des trains de pics dans les neurosciences informatiques, couvrant les expériences, les sources de variabilité, et l'arrivée et le tir de pics stochastiques.
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 le bruit d'échappement dans la neuroscience computationnelle, couvrant l'intensité stochastique, les intervalles d'intercirculation, les fonctions de vraisemblance, la comparaison des modèles de bruit, et les codes de vitesse par rapport aux codes temporels.
Explore l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.
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 les techniques d'électrophysiologie in vivo pour étudier la fonction cérébrale à l'aide de potentiels extracellulaires et d'enregistrements de cellules entières.
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.
Explore la modélisation détaillée des canaux ioniques et des morphologies neuronales dans les neurosciences silico, couvrant la classification des neurones, la cinétique des canaux ioniques et les observations expérimentales.
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 les propriétés mécaniques et électriques des tissus neuraux, y compris le cerveau et la moelle épinière, ainsi que l'enregistrement des signaux neuraux à l'aide de diverses techniques.
Couvre les propriétés électriques des neurones, en se concentrant sur les mécanismes de transport ionique et leur rôle dans la génération de signaux électriques.
Comparer les codes de taux et les codes temporels dans la dynamique neuronale, en mettant l'accent sur les codes de timing, la résonance stochastique et les défis de codage neuronal.
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.