S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Explore les réseaux d'attraction et les généralisations du modèle Hopfield en neuroscience computationnelle, en mettant l'accent sur la recherche de mémoire et la convergence dynamique.
Explore les règles d'apprentissage locales pour les représentations et les actions, couvrant la plasticité synaptique, le renforcement de l'apprentissage et les bonnes représentations.
Couvre l'histoire et l'inspiration derrière les réseaux neuronaux artificiels, la structure des neurones, l'apprentissage par les connexions synaptiques et la description mathématique des neurones artificiels.
Explore la plasticité synaptique à court terme dans la neuroscience computationnelle, couvrant les modèles, les mécanismes et les échelles de temps de la dynamique synaptique.
