S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Explore l'importance de l'hippocampe dans la mémoire et la navigation spatiale, en discutant de sa structure unique et de ses implications pour la recherche plus large sur le cerveau.
Couvre les bases NeuroM, y compris la vérification de la qualité des neurones, l'extraction de la morphométrie et la visualisation des neurones dans différents formats.
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 l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.
Explore la modélisation de données in vitro pour les neurosciences informatiques, y compris la prédiction de la tension sous-seuil et des temps de pointe.
Explore les signaux neuraux, les techniques d'imagerie cérébrale et l'organisation du cerveau, soulignant l'importance de comprendre les méthodes d'imagerie cérébrale et de mesurer les signaux du cerveau de façon non invasive.
Explore l'application de la neuroscience computationnelle en neuroprothèse, en se concentrant sur la prédiction des mouvements de bras prévus en fonction des temps de pointe et de l'importance de l'optimisation systématique des paramètres.
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 la dynamique des populations neuronales, en mettant l'accent sur les réseaux aléatoires et les arguments de terrain moyen pour la connectivité.
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.