Explore la dynamique neuronale de la prise de décision, en se concentrant sur les algorithmes et le rôle de la dopamine dans l'apprentissage et le comportement.
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 comment les organismes réagissent aux signaux environnementaux, montrant comment des algorithmes simples peuvent conduire à des comportements complexes.
Introduit les principes fondamentaux de l'apprentissage statistique, couvrant l'apprentissage supervisé, la théorie de la décision, la minimisation des risques et l'ajustement excessif.
Plonge dans la prise de décision sous le risque, la rationalité limitée, la théorie des prospects et le cadrage, avec des idées de l'économie comportementale.
Explore l'informatique scientifique en neuroscience, en mettant l'accent sur la simulation des neurones et des réseaux à l'aide d'outils comme NEURON, NEST et BRIAN.
S'insère dans l'apprentissage continu des modèles de représentation dans l'intelligence cérébrale, mettant l'accent sur l'adaptation rapide aux environnements non structurés.
Explore la classification néocorticale des neurones, la cinétique des canaux ioniques, les défis dans la modélisation des cellules individuelles et l'intégration des données.
