Explore le bruit d'échappement dans la neuroscience computationnelle, couvrant l'intensité stochastique, les intervalles d'intercirculation, les fonctions de vraisemblance, la comparaison des modèles de bruit, et les codes de vitesse par rapport aux codes temporels.
Explore les modèles de neurones contraignants avec des données expérimentales, soulignant l'importance de dériver des paramètres à partir de données expérimentales.
Explore la dynamique des populations neuronales, en mettant l'accent sur les réseaux aléatoires et les arguments de terrain moyen pour la connectivité.
