Explore l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.
Couvre les modèles neuronaux hybrides pour les neuroprothèses, l'optimisation de la stimulation nerveuse et la récupération après une lésion de la moelle épinière.
Couvre les fondamentaux des signaux neuraux et du traitement des signaux, en mettant l'accent sur la modélisation et la simulation des systèmes neuraux.
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 propagation du potentiel d'action, la modélisation membranaire, la conductance et l'encodage des signaux à travers des trains d'action potentiels.
Explore l'analyse des données neurophysiologiques, couvrant l'identification AP, les taux de tir, l'activité sous le seuil, l'analyse spectrale FFT et l'analyse déclenchée par des événements à l'aide de MATLAB.
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 la modélisation de l'activité électrique du neurone, y compris les canaux ioniques et les concentrations, l'équation de Nernst et le potentiel de repos.
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.
Explore la base physique de la propagation du signal dans les neurones, en se concentrant sur la configuration du potentiel membranaire et les canaux ioniques.
Explore les techniques d'électrophysiologie in vivo pour étudier la fonction cérébrale à l'aide de potentiels extracellulaires et d'enregistrements de cellules entières.
Explore les signaux neuraux, le traitement EMG, les synergies musculaires et le contrôle de la prothèse à l'aide de techniques avancées de traitement des signaux.
Couvre les exercices corrigés de l'examen 2020 dans le domaine de la robotique, y compris des sujets tels que la précision, la vitesse, les moteurs à courant continu, le rapport d'engrenage optimal, la dynamique des bras de robot, les encodeurs et la cinématique.
