Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Centralité et Hubs

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (36)

Empreintes digitales cérébrales : caractéristiques et modèles de connectivité

Explore les empreintes digitales du cerveau, les différences individuelles, les modèles de connectivité et les applications cliniques.

Voies, diffusion, navigation

Explore les chemins, la diffusion et la navigation dans les réseaux du cerveau, y compris des sujets comme l'algorithme de Dijkstra et l'efficacité du réseau.

Graph Models et Brain Connectomics

Explore la théorie des graphes dans la connectomique cérébrale, les applications d'IRM, la pertinence de l'analyse de réseau et les empreintes digitales individuelles.

Effectuer une recherche dans l'Atlas Allen du cerveau

Couvre le tutoriel sur l'exécution d'une recherche dans l'Atlas Allen du cerveau, explorant les données d'expression génétique.

Regroupement: K-means & LDA

Couvre le clustering en utilisant les propriétés K-means et LDA, PCA, K-means, Fisher LDA et le clustering spectral.

Aperçu de l'Atlas du cerveau de la souris Allen MOOC: Les neurosciences reconstruites : Génétique et développement du cerveau

Couvre l'Atlas du cerveau de la souris Allen, les régions du cerveau, les données d'expression génétique et les outils d'exploration.

Statistiques des graphiques : Graphiques aléatoires, Homomorphismes des graphiques et Analyse des réseaux Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les statistiques graphiques, la génération aléatoire de graphiques, l'analyse de réseaux, les mesures de centralité et les coefficients de regroupement.

Estimation du modèle de bloc stochastique Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'estimation stochastique du modèle de bloc, le regroupement spectral, la modularité du réseau, la matrice laplacienne et le regroupement des moyennes k.

Modélisation de données dans les neurosciences: Meenakshi Khosla Connectez-vous à Mediaspace pour regarder cette vidéo

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.

Neuroprothèses : progrès de l'IRMf chez les rongeurs Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les nouvelles avancées de l'IRMf chez les rongeurs, en mettant l'accent sur la psychologie en réseau pour la physiologie.

Les Microcircuits de Striatum dans le Silico Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la reconstruction d'un modèle de niveau cellulaire striatal à grande échelle de souris pour intégrer et interpréter les données striatales.

Analyse statistique des données du réseau: structures et modèles Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'analyse statistique des données du réseau, qui couvre les structures graphiques, les modèles, les statistiques et les méthodes d'échantillonnage.

Matrices diagonalisables : propriétés et bases Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les propriétés des matrices diagonalisables, l'inversibilité et la base des espaces propres.

Phase Portrait et systèmes non linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les portraits de phase, la décomposition de la valeur propre, la décomposition de la Jordanie et les nœuds stables dans les systèmes non linéaires.

PCA: Concepts clés Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les concepts clés de l'APC, y compris la réduction de la dimensionnalité des données et des fonctions d'extraction, avec des exercices pratiques.

Apprentissage non supervisé : réduction de la dimensionnalité et regroupement Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'apprentissage non supervisé, en mettant l'accent sur la réduction de la dimensionnalité et le regroupement, en expliquant comment il aide à trouver des modèles dans les données sans étiquettes.

Page 2 sur 2