Explore les champs réceptifs, les zones cérébrales visuelles, les différences induites par l'évolution des voies visuelles et les mécanismes neuraux sous-jacents au comportement d'évasion.
Explore la recherche sur la vision, la régénération du nerf optique et les modèles bioréalistes dans le cortex visuel de la souris, en mettant l'accent sur la stimulation du nerf optique et l'apprentissage visuel.
Couvre les Perceptrons multicouches, les neurones artificiels, les fonctions d'activation, la notation matricielle, la flexibilité, la régularisation, la régression et les tâches de classification.
Explore les circuits cérébraux pour la perception sensorielle et la représentation externe, couvrant la communication du thalamus, les mécanismes d'économie d'énergie, le contrôle inhibiteur et la perception du temps.
Explore les données du cortex visuel primaire de la souris, en mettant l'accent sur l'encodage des informations visuelles, la transformation, la diversité des réponses et la modulation de locomotion.
S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Couvre les bases de Pytorch avec les ensembles de données MNIST et Digits, en mettant l'accent sur la formation des réseaux neuronaux pour la reconnaissance manuscrite des chiffres.
Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
Couvre la fonction neuronale, les modèles hiérarchiques, les comportements des taxis odorants et les paramètres de circuit disparates dans 18 diapositives.
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 les modèles de calcul du système visuel ventral, en se concentrant sur l'optimisation des réseaux pour les tâches réelles et la comparaison avec les données cérébrales.
Explore la logique de la fonction neuronale, le modèle Perceptron, les applications d'apprentissage profond et les niveaux d'abstraction dans les modèles neuronaux.
