Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.
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.
Examiner les défis du contrôle moteur, les synergies musculaires, les différences interindividuelles dans l'apprentissage et les chirurgies virtuelles pour l'étude des synergies.
Explore la synergie entre l'apprentissage automatique et les neurosciences, en montrant comment les réseaux neuronaux profonds peuvent prédire les réponses neuronales et les défis rencontrés par l'IA en robotique.
Explore des modèles cognitifs et neuraux de motricité séquentielle, en se concentrant sur la tâche de production de séquence discrète et les substrats neuraux.
S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Explore les avantages de la stimulation de la moelle épinière sur la réadaptation motrice chez les patients atteints d'ICS chroniques, en mettant l'accent sur la stabilité des membres inférieurs et du tronc.
Explore les modèles de calcul du système visuel ventral, en se concentrant sur l'optimisation des réseaux pour les tâches réelles et la comparaison avec les données cérébrales.
