Математические аспекты анализа МЭГ/ЭЭГ
Широкий обзор современных математических проблем и методов их решения в сфере анализа МЭГ/ЭЭГ данных, таких как решение обратной задачи, декодирование ЭЭГ в режиме реального времени и т. д.
На данной странице представлены лекции, целью которых является обзор существующих задач вычислительных нейронаук, в частности тех, которыми занимаются студенты и исследователи Института когнитивных нейронаук ВШЭ. Если Вы хотите заниматься нейронауками, то данные лекции помогут Вам определиться с будущей областью исследований. Если при просмотре часть материала кажется непонятной, то это вполне естественно, главное — это определиться с темой, в которую Вам будет интересно погрузиться в будущем.
Число представленных здесь лекций будет увеличиваться. В качестве видеохостинга используется YouTube, может быть, вам потребуется VPN для просмотра лекций.
Математические аспекты анализа МЭГ/ЭЭГ
Широкий обзор современных математических проблем и методов их решения в сфере анализа МЭГ/ЭЭГ данных, таких как решение обратной задачи, декодирование ЭЭГ в режиме реального времени и т. д.
Нейронная сеть как геометрический объект
Как геометрические представления могут помочь нейроученым при исследовании активности сетей? Обсуждается представление нейросетей как метрических пространств, а также геометрия активности нейронных сетей, когда мы вводим пространственную структуру не на множестве нейронов, а на их активности.
Декодирование биологических сигналов
Обзор темы декодирования сигналов. С какими биологическими сигналами работают исследователи, что пытаются предсказать или описать (движения, когнитивные состояния) и какие наиболее популярные вычислительные методы используются для этого (от классической статистики до deep learning).
Представление динамики мозга в форме графа
На макроуровне мозг представляет из себя сеть областей, которые на микроуровне так же являются сетями, что делает естественным применение сетевых методов анализа данных в области нейровизуализации. В этой лекции обсуждается то, каким образом фМРТ, ЭЭГ и МЭГ данные могут быть представлены в сетевой форме.
Искусственные нейронные сети на основе коннектомов
Как создавать модели и эффективно обучать их на основе коннектомов и почему это важно? Лекция обозревает статью, в которой авторы построили искусственную нейронную сеть, основанную на структуре реальной нервной системы организма, для моделирования передвигающегося агента.
Хаос в голове и методы нелинейной динамики
Для анализа нейрофизиологических данных зачастую используются методы для выявления линейных особенностей исследуемых систем. Несмотря на то, что эти методы показывают хорошие результаты, они не способны зарегистрировать нелинейные закономерности, которые свойственны мозгу как нелинейной динамической системе. В этой лекции обсуждается мотивация использования теория нелинейных динамических систем и теория хаоса в нейронауках.