Séance de cours
AdEx: Intégration exponentielle adaptative et feu
Séances de cours associées (37)
Étude de domaine de fréquence: Analyse de la réponse acoustique
Explore l'étude du domaine Fréquence dans COMSOL pour analyser les réponses acoustiques à l'excitation harmonique dans divers domaines.
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Applications phénoménologiques du modèle standard
Explore la vérification du modèle standard à travers des expériences de diffusion et les implications de modèles de matière noire minimes.
In Silico Neuroscience: Simulation de réseau
Se penche sur la simulation de la dynamique du réseau dans les neurosciences silico, couvrant l'activité spontanée et évoquée, les simulations in-vitro et in-vivo, et l'analyse de sensibilité.
Méthodes d'estimation spectrale
Explore les méthodes d'estimation du spectre paramétrique, y compris les spectres linéaires et lisses, et se penche sur l'analyse de la variabilité de la fréquence cardiaque.
Simulation acoustique: Sphère pulsante
Couvre la simulation des ondes acoustiques dans les fluides à l'aide de l'interface Pressure Acoustic, Frequency Domain dans COMSOL Multiphysics.
Estimation du paramètre pour Spike TimesMOOC: Neuronal Dynamics - Computational Neuroscience of Single Neurons
Couvre le processus d'estimation des paramètres pour les temps de pointe dans les modèles neuronaux.
Régression logistique : prédiction de la végétation
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Dans les neurosciences de Silico : canaux ioniques et modèles neuronaux
Explore la modélisation détaillée des canaux ioniques et des morphologies neuronales dans les neurosciences silico, couvrant la classification des neurones, la cinétique des canaux ioniques et les observations expérimentales.
Probabilité d'un train à picsMOOC: Neuronal Dynamics - Computational Neuroscience of Single Neurons
Discute de la probabilité que les trains à pics soient basés sur des modèles générateurs et des calculs de log-probabilité à partir des données observées.