آموزش علوم اعصاب محاسباتی - آخرین آپدیت

دانلود Computational Neuroscience

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره مقدمه‌ای بر روش‌های محاسباتی پایه برای درک عملکرد سیستم‌های عصبی و تعیین نحوه فعالیت آن‌ها ارائه می‌دهد. ما اصول محاسباتی حاکم بر جنبه‌های مختلف بینایی، کنترل حسی-حرکتی، یادگیری و حافظه را بررسی خواهیم کرد. موضوعات خاصی که مورد بحث قرار می‌گیرند شامل نمایش اطلاعات توسط نورون‌های اسپایکی، پردازش اطلاعات در شبکه‌های عصبی و الگوریتم‌های سازگاری و یادگیری است. برای دستیابی به درک عمیق‌تری از مفاهیم و روش‌های معرفی شده در دوره، از دموها و تمرین‌های Matlab/Octave/Python استفاده خواهیم کرد. این دوره در درجه اول برای دانشجویان سال سوم یا چهارم کارشناسی و دانشجویان تازه‌وارد تحصیلات تکمیلی و همچنین متخصصان و یادگیرندگان از راه دور که علاقه‌مند به یادگیری نحوه پردازش اطلاعات توسط مغز هستند، طراحی شده است.

سرفصل ها و درس ها

مقدمه و نوروبیولوژی پایه (راجش رائو) Introduction & Basic Neurobiology (Rajesh Rao)

  • 1.1 معرفی دوره 1.1 Course Introduction

  • 1.2 علوم اعصاب محاسباتی: مدل‌های توصیفی 1.2 Computational Neuroscience: Descriptive Models

  • 1.3 علوم اعصاب محاسباتی: مدل‌های مکانیکی و تفسیری 1.3 Computational Neuroscience: Mechanistic and Interpretive Models

  • 1.4 شخصیت الکتریکی نورون‌ها 1.4 The Electrical Personality of Neurons

  • 1.5 ایجاد اتصالات: سیناپس‌ها 1.5 Making Connections: Synapses

  • 1.6 زمان شبکه: نواحی مغز و عملکرد آن‌ها 1.6 Time to Network: Brain Areas and their Function

نورون‌ها چه چیزی را رمزگذاری می‌کنند؟ مدل‌های رمزگذاری عصبی (آدرین فیرهال) What do Neurons Encode? Neural Encoding Models (Adrienne Fairhall)

  • 2.1 کد عصبی چیست؟ 2.1 What is the Neural Code?

  • 2.2 رمزگذاری عصبی: مدل‌های ساده 2.2 Neural Encoding: Simple Models

  • 2.3 رمزگذاری عصبی: انتخاب ویژگی 2.3 Neural Encoding: Feature Selection

  • 2.4 رمزگذاری عصبی: تغییرپذیری 2.4 Neural Encoding: Variability

  • بردارها و توابع (توسط ریچ پنگ) Vectors and Functions (by Rich Pang)

  • کانولوشن‌ها و سیستم‌های خطی (توسط ریچ پنگ) Convolutions and Linear Systems (by Rich Pang)

  • تغییر پایه و PCA (توسط ریچ پنگ) Change of Basis and PCA (by Rich Pang)

  • به دنیای مقادیر ویژه خوش آمدید! (توسط ریچ پنگ) Welcome to the Eigenworld! (by Rich Pang)

استخراج اطلاعات از نورون‌ها: رمزگشایی عصبی (آدرین فیرهال) Extracting Information from Neurons: Neural Decoding (Adrienne Fairhall)

  • 3.1 رمزگشایی عصبی و تئوری تشخیص سیگنال 3.1 Neural Decoding and Signal Detection Theory

  • 3.2 کدگذاری جمعیتی و تخمین بیزی 3.2 Population Coding and Bayesian Estimation

  • 3.3 خواندن ذهن: بازسازی محرک 3.3 Reading Minds: Stimulus Reconstruction

  • فرد ریکه درباره پردازش بصری در شبکیه Fred Rieke on Visual Processing in the Retina

  • توزیع‌های گاوسی در یک بعد (توسط ریچ پنگ) Gaussians in One Dimension (by Rich Pang)

  • توزیع‌های احتمالی در دو بعد و قانون بیز (توسط ریچ پنگ) Probability distributions in 2D and Bayes' Rule (by Rich Pang)

تئوری اطلاعات و کدگذاری عصبی (آدرین فیرهال) Information Theory & Neural Coding (Adrienne Fairhall)

  • 4.1 اطلاعات و آنتروپی 4.1 Information and Entropy

  • 4.2 محاسبه اطلاعات در قطارهای اسپایک 4.2 Calculating Information in Spike Trains

  • 4.3 اصول کدگذاری 4.3 Coding Principles

  • داستان آنتروپی چیست؟ (توسط ریچ پنگ) What's up with entropy? (by Rich Pang)

  • تئوری اطلاعات؟ این دیوانگی است! (توسط ریچ پنگ) Information theory? That's crazy! (by Rich Pang)

محاسبات در کربن (آدرین فیرهال) Computing in Carbon (Adrienne Fairhall)

  • 5.1 مدل‌سازی نورون‌ها 5.1 Modeling Neurons

  • 5.2 اسپایک‌ها 5.2 Spikes

  • 5.3 مدل‌های ساده شده نورون 5.3 Simplified Model Neurons

  • 5.4 جنگلی از دندریت‌ها 5.4 A Forest of Dendrites

  • اریک شیا براون درباره همبستگی‌های عصبی و همگام‌سازی Eric Shea-Brown on Neural Correlations and Synchrony

  • مقدمه‌ای بر تئوری سیستم‌های دینامیکی بخش اول: نقاط ثابت (توسط ریچ پنگ) Dynamical Systems Theory Intro Part 1: Fixed points (by Rich Pang)

  • مقدمه‌ای بر تئوری سیستم‌های دینامیکی بخش دوم: نال‌کلین‌ها (توسط ریچ پنگ) Dynamical Systems Theory Intro Part 2: Nullclines (by Rich Pang)

محاسبات با شبکه‌ها (راجش رائو) Computing with Networks (Rajesh Rao)

  • 6.1 مدل‌سازی اتصالات بین نورون‌ها 6.1 Modeling Connections Between Neurons

  • 6.2 مقدمه‌ای بر مدل‌های شبکه 6.2 Introduction to Network Models

  • 6.3 دنیای جذاب شبکه‌های بازگشتی 6.3 The Fascinating World of Recurrent Networks

شبکه‌های یادگیرنده: پلاستیسیته در مغز و یادگیری (راجش رائو) Networks that Learn: Plasticity in the Brain & Learning (Rajesh Rao)

  • 7.1 پلاستیسیته سیناپسی، قانون هب و یادگیری آماری 7.1 Synaptic Plasticity, Hebb's Rule, and Statistical Learning

  • 7.2 مقدمه‌ای بر یادگیری بدون نظارت 7.2 Introduction to Unsupervised Learning

  • 7.3 کدگذاری پراکنده و کدگذاری پیش‌بینانه 7.3 Sparse Coding and Predictive Coding

  • صعود و نزول گرادیان (توسط ریچ پنگ) Gradient Ascent and Descent (by Rich Pang)

یادگیری از طریق نظارت و پاداش (راجش رائو) Learning from Supervision and Rewards (Rajesh Rao)

  • 8.1 نورون‌ها به عنوان طبقه‌بندی‌کننده و یادگیری نظارت شده 8.1 Neurons as Classifiers and Supervised Learning

  • 8.2 یادگیری تقویتی: پیش‌بینی پاداش‌ها 8.2 Reinforcement Learning: Predicting Rewards

  • 8.3 یادگیری تقویتی: زمان اقدام! 8.3 Reinforcement Learning: Time for Action!

  • ای‌بی فِتز درباره رابط‌های دوطرفه مغز و کامپیوتر Eb Fetz on Bidirectional Brain-Computer Interfaces

نمایش نظرات

آموزش علوم اعصاب محاسباتی
جزییات دوره
23h 38m
43
(آخرین آپدیت)
149,661
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Rajesh P. N. Rao Rajesh P. N. Rao