Computational Neuroscience: Eine Ringvorlesung von Modellen bis zu Anwendungen
Computational Neuroscience: A Lecture Series from Models to Applications
Lehrveranstaltung 0000002916 im WS 2023/4
Basisdaten
LV-Art | Vorlesung |
---|---|
Umfang | 2 SWS |
betreuende Organisation | Professur für Audio-Signalverarbeitung (Prof. Seeber) |
Dozent(inn)en |
Julijana Gjorgjieva Werner Hemmert Lubos Hladek Harald Luksch Bernhard Seeber |
Termine |
Di, 18:00–19:30 |
Zuordnung zu Modulen
-
EI7646: Computational Neuroscience: Eine Ringvorlesung von Modellen bis zu Anwendungen / Computational Neuroscience: A Lecture Series from Models to Applications
Dieses Modul ist in den folgenden Katalogen enthalten:- Allgemeiner Katalog der nichtphysikalischen Wahlfächer
weitere Informationen
Lehrveranstaltungen sind neben Prüfungen Bausteine von Modulen. Beachten Sie daher, dass Sie Informationen zu den Lehrinhalten und insbesondere zu Prüfungs- und Studienleistungen in der Regel nur auf Modulebene erhalten können (siehe Abschnitt "Zuordnung zu Modulen" oben).
ergänzende Hinweise | Allgemeiner Überblick: Anatomische und physiologische Grundlagen der Neurowissenschaften (2 VL, Luksch):- Grundlagen der Neurowissenschaften, Evolution, Modellsysteme, grundlegende Funktionen (sensorisches Organ → ZNS → Motorantwort), Anatomie (Wirbeltier/Mensch), genereller Aufbau des auditorischen und visuellen Systems und der wichtigsten Verarbeitungsstufen- neuronale Informationsübertragung: Grundlagen Ruhe- und Aktionspotenzial, synaptische Übertragung, neuronale Morphologie, Verarbeitung im Dendriten, kleine Netzwerke etc., in vitro electrophysiology (+ imaging)Modellierung: Neuronale Dynamik und Kodierung (4 VL, Herz, Leibold)- Modellierung einzelner Neurone (klassische computational neuroscience, spiking models, current models, firing rate models) und was wir von Mathe / Physik über Neurone lernen können- Neuronenpopulationen; (Sparse) coding, Theorie neuronaler Netzwerke, assoziatives Lernen (Hebbian, STDP), reinforcement learning, supervised vs. unsupervised learning- Grundlagen der neuronalen Signalverarbeitung und Modellierung; neurale Kodierung/Dekodierung; Korrelationen, reverse correlations, rezeptive Felder; InformationstheorieIntegration im Nervensystem (4 VL, Flanagin, Glasauer, MacNeilage, Sirota)- Lernen und Gedächtnis: Hippocampal formation, episodic memory and space representation- Räumliche Wahrnehmung und Navigation- Psychophysik, perceptual decision making (human/animal, Diffusion models, Bayesian models)- fMRI und die Modellierung der Verbindung zwischen Gehirnarealen, connectome)Engineering für Neurowissenschaften und Neuroprothesen (3-4 VL, Kleinsteuber, Seeber, Sirota) - Messung neuraler Aktivität in vivo, Mehrkanal-Electrophysiologie, Datenaufnahme, -analyse und -interpretation- Machine learning and information retrieval in hochdimensionalen Daten - Phenomenologische Modelle des Gehirns- Anwendung auf Hörgeräte und Neuroprothesen (Cochlea Implantate)Ein Überblick über aktuelle Forschung am Bernstein Center for Computational Neuroscience Munich |
---|---|
Links |
E-Learning-Kurs (z. B. Moodle) TUMonline-Eintrag |