اپلیکیشن اندرویدی فلشکارت آموزشی مقدمهای بر مدلسازی ریاضی رفتار نورونها
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مقدمهای بر مدلسازی ریاضی رفتار نورونها
موضوع کلی: علوم اعصاب محاسباتی
موضوع میانی: مدلسازی ریاضی فرآیندهای عصبی
📋 سرفصلهای دوره
- 1. مقدمهای بر مدلسازی ریاضی رفتار نورونها
- 2. مبانی مدلسازی نورونهای منفرد
- 3. مدل هادجکین-هاکسلی: معرفی
- 4. معادلات دینامیکی مدل هادجکین-هاکسلی
- 5. مدل هادجکین-هاکسلی: پارامترها و تفسیر
- 6. مدل فیتز-هیو-ناگومو: معرفی
- 7. مقایسه مدل فیتز-هیو-ناگومو با هادجکین-هاکسلی
- 8. مدل فیتز-هیو-ناگومو: معادلات و تحلیل
- 9. مدل integrate-and-fire ساده
- 10. مدل integrate-and-fire با آستانه ثابت
- 11. مدل integrate-and-fire با آستانه متغیر
- 12. مدل integrate-and-fire با ولتاژ بازگشتی
- 13. مدل integrate-and-fire با نویز
- 14. مدل integrate-and-fire با تزریق جریان ثابت
- 15. مدل integrate-and-fire با تزریق جریان متغیر
- 16. مدل integrate-and-fire با تزریق جریان تصادفی
- 17. مدل integrate-and-fire با سیناپسهای ورودی
- 18. مدل integrate-and-fire با سیناپسهای تحریکی
- 19. مدل integrate-and-fire با سیناپسهای بازدارنده
- 20. مدل integrate-and-fire با سیناپسهای تحریکی و بازدارنده
- 21. شبکههای نورونی: مفاهیم پایه
- 22. شبکههای نورونی با اتصالات تصادفی
- 23. شبکههای نورونی با اتصالات ساختاریافته
- 24. شبکههای نورونی با بازخورد
- 25. مدلسازی انتشار پتانسیل عمل در آکسون
- 26. مدلسازی انتشار پتانسیل عمل در دندریت
- 27. مدلسازی پتانسیلهای پسسیناپسی
- 28. مدلسازی زمانبندی پتانسیلهای پسسیناپسی
- 29. مدلسازی دینامیک کانالهای یونی
- 30. مدلسازی کانالهای یونی سدیم
- 31. مدلسازی کانالهای یونی پتاسیم
- 32. مدلسازی کانالهای یونی کلسیم
- 33. مدلسازی کانالهای یونی GABA
- 34. مدلسازی کانالهای یونی گلوتامات
- 35. مدلسازی نویز در نورونها
- 36. منابع نویز در نورونها
- 37. اثر نویز بر رفتار نورونها
- 38. مدلسازی نورونهای با فعالیت ریتمیک
- 39. مدلسازی نورونهای با فعالیت تودهای
- 40. مدلسازی نورونهای با فعالیت نوسانی
- 41. مدلسازی نورونهای با فعالیت آستانهای
- 42. مدلسازی نورونهای با پاسخ غیرخطی
- 43. مدلسازی اثرات داروها بر کانالهای یونی
- 44. مدلسازی اثرات داروها بر سیناپسها
- 45. مدلسازی اثرات داروها بر شبکههای عصبی
- 46. مدلسازی شبکههای عصبی با نورونهای ناهمگن
- 47. مدلسازی شبکههای عصبی با اتصالات سیناپسی قوی
- 48. مدلسازی شبکههای عصبی با اتصالات سیناپسی ضعیف
- 49. مدلسازی شبکههای عصبی با سیناپسهای پلاستیک
- 50. پلاستیسیته سیناپسی: معرفی
- 51. پلاستیسیته سیناپسی بلندمدت (LTP)
- 52. پلاستیسیته سیناپسی کوتاهمدت (LTP)
- 53. پلاستیسیته سیناپسی بلندمدت (LTD)
- 54. پلاستیسیته سیناپسی کوتاهمدت (LTD)
- 55. مدلسازی قانون هب
- 56. مدلسازی قانون هب با تاثیرات پسسیناپسی
- 57. مدلسازی قانون هب با تاثیرات پیشسیناپسی
- 58. مدلسازی پلاستیسیته وابسته به زمان (STDP)
- 59. مدلسازی STDP در شبکههای عصبی
- 60. مدلسازی یادگیری در شبکههای عصبی
- 61. مدلسازی حافظه کوتاهمدت
- 62. مدلسازی حافظه بلندمدت
- 63. مدلسازی شبکههای عصبی برای تشخیص الگو
- 64. مدلسازی شبکههای عصبی برای طبقهبندی
- 65. مدلسازی شبکههای عصبی برای پیشبینی
- 66. مدلسازی شبکههای عصبی برای کنترل حرکتی
- 67. مدلسازی شبکههای عصبی برای پردازش حسی
- 68. مدلسازی شبکههای عصبی برای پردازش بینایی
- 69. مدلسازی شبکههای عصبی برای پردازش شنوایی
- 70. مدلسازی شبکههای عصبی برای پردازش لامسه
- 71. مدلسازی شبکههای عصبی برای پردازش چشایی
- 72. مدلسازی شبکههای عصبی برای پردازش بویایی
- 73. مدلسازی شبکههای عصبی قشر مغز
- 74. مدلسازی شبکههای عصبی هیپوکامپ
- 75. مدلسازی شبکههای عصبی عقدههای قاعدهای
- 76. مدلسازی شبکههای عصبی مخچه
- 77. مدلسازی شبکههای عصبی ساقه مغز
- 78. مدلسازی شبکههای عصبی تالاموس
- 79. مدلسازی شبکههای عصبی هیپوتالاموس
- 80. مدلسازی شبکههای عصبی آمیگدال
- 81. مدلسازی شبکههای عصبی سیستم لیمبیک
- 82. مدلسازی شبکههای عصبی قشر پیشfrontal
- 83. مدلسازی شبکههای عصبی قشر حرکتی
- 84. مدلسازی شبکههای عصبی قشر حسی پیکری
- 85. مدلسازی شبکههای عصبی قشر شنوایی
- 86. مدلسازی شبکههای عصبی قشر بینایی
- 87. مدلسازی شبکههای عصبی ارتباط بین نواحی مغزی
- 88. مدلسازی شبکههای عصبی در اختلالات عصبی
- 89. مدلسازی صرع با استفاده از شبکههای عصبی
- 90. مدلسازی پارکینسون با استفاده از شبکههای عصبی
- 91. مدلسازی آلزایمر با استفاده از شبکههای عصبی
- 92. مدلسازی اسکیزوفرنی با استفاده از شبکههای عصبی
- 93. مدلسازی اضطراب با استفاده از شبکههای عصبی
- 94. مدلسازی افسردگی با استفاده از شبکههای عصبی
- 95. روشهای شبیهسازی عددی در علوم اعصاب محاسباتی
- 96. انتخاب روشهای شبیهسازی مناسب
- 97. ارزیابی و اعتبارسنجی مدلهای محاسباتی
- 98. محدودیتهای مدلسازی ریاضی رفتار نورونها
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.