Explore les données du cortex visuel primaire de la souris, en mettant l'accent sur l'encodage des informations visuelles, la transformation, la diversité des réponses et la modulation de locomotion.
Explore la bioélectronique, les types de cécité et les implants rétiniens pour restaurer la vision, couvrant les défis et les progrès des technologies de vision artificielle.
S'engage dans l'apprentissage continu des modèles de représentation après déploiement, soulignant les limites des réseaux neuronaux artificiels actuels.
Couvre les bases de Pytorch avec les ensembles de données MNIST et Digits, en mettant l'accent sur la formation des réseaux neuronaux pour la reconnaissance manuscrite des chiffres.
Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
