اپلیکیشن اندرویدی فلش‌کارت آموزشی مدل‌سازی ریاضی فرآیندهای عصبی برای درک عملکرد مغز

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی ریاضی فرآیندهای عصبی برای درک عملکرد مغز

موضوع کلی: علوم زیستی و سلامت

موضوع میانی: علوم اعصاب محاسباتی

📋 سرفصل‌های دوره

• 1. مبانی ریاضی در علوم اعصاب
• 2. مقدمه‌ای بر سیستم‌های دینامیکی
• 3. معادلات دیفرانسیل معمولی در مدل‌سازی عصبی
• 4. تحلیل پایداری نقاط تعادل
• 5. مدل‌سازی نورون‌های تکی: مدل فیتز-هیو-ناگومو
• 6. مدل فیتز-هیو-ناگومو: ویژگی‌ها و کاربردها
• 7. مدل موریس-لِکر
• 8. مدل موریس-لِکر: دینامیک‌های پیچیده
• 9. مدل هُجکین-هاکسلی
• 10. مدل هُجکین-هاکسلی: توضیح کانال‌های یونی
• 11. مدل هُجکین-هاکسلی: شبیه‌سازی پتانسیل عمل
• 12. مدل‌های ساده‌تر نورونی: مدل ایزی
• 13. مدل ایزی: دینامیک‌های آستانه‌ای
• 14. مدل ایزی: کاربرد در شبکه‌های عصبی
• 15. پاسخ‌دهی نورون‌ها به محرک‌های ورودی
• 16. نورون‌های آستانه‌ای و توالی پتانسیل عمل
• 17. پاسخ‌دهی نوری به ورودی‌های متغیر زمانی
• 18. نورون‌های آستانه‌ای با ورودی‌های تصادفی
• 19. شبکه‌های عصبی: اتصالات و سیناپس‌ها
• 20. مدل‌سازی سیناپس‌های تحریکی و مهاری
• 21. دینامیک سیناپس‌های قابل تنظیم (پلاستیسیته)
• 22. یادگیری هبی و تقویت بلندمدت (LTP)
• 23. یادگیری هبی در مدل‌های شبکه
• 24. پلاستیسیته سیناپسی و حافظه
• 25. شبکه‌های عصبی رگرسیو
• 26. کاربرد شبکه‌های رگرسیو در پردازش اطلاعات
• 27. مدل‌سازی شبکه‌های عصبی بزرگ
• 28. مفاهیم شبکه عصبی: فعالیت توده‌ای
• 29. مدل‌سازی فعالیت توده‌ای در شبکه‌های عصبی
• 30. موج‌زنی عصبی و الگوهای فعالیت
• 31. نوسانات عصبی و نقش آن‌ها
• 32. تحلیل طیفی فعالیت عصبی
• 33. شبکه‌های عصبی خودسازمان‌دهنده (SOM)
• 34. کاربرد SOM در دسته‌بندی و نمایش داده‌ها
• 35. نقشه‌های خودسازمان‌دهنده در پردازش حسی
• 36. مدل‌سازی شبکه‌های عصبی بازگشتی (RNN)
• 37. کاربرد RNN در پردازش توالی‌های زمانی
• 38. شبکه‌های عصبی dlouhé krátkodobé paměti (LSTM)
• 39. کاربرد LSTM در مدل‌سازی حافظه بلندمدت
• 40. شبکه‌های عصبی کانولوشنال (CNN)
• 41. کاربرد CNN در پردازش تصاویر عصبی
• 42. مدل‌سازی شبکه‌های عصبی پرسپترون چندلایه
• 43. آموزش پرسپترون چندلایه با الگوریتم پس‌انتشار
• 44. کاربرد پرسپترون چندلایه در طبقه‌بندی
• 45. شبکه‌های عصبی بیزی
• 46. کاربرد شبکه‌های بیزی در مدل‌سازی عدم قطعیت
• 47. مدل‌سازی انتشار اطلاعات در شبکه‌های عصبی
• 48. مدل‌سازی شبکه‌های عصبی پیچیده
• 49. شبکه‌های عصبی دینامیکی و پدیده‌های نوظهور
• 50. مدل‌سازی شبکه‌های عصبی در بستر آناتومی
• 51. پردازش اطلاعات در سیستم بینایی
• 52. مدل‌سازی شبکه‌های عصبی در قشر بینایی
• 53. پردازش اطلاعات در سیستم شنوایی
• 54. مدل‌سازی شبکه‌های عصبی در قشر شنوایی
• 55. شبکه‌های عصبی مربوط به حافظه
• 56. مدل‌سازی هیپوکامپ و حافظه فضایی
• 57. شبکه‌های عصبی مربوط به تصمیم‌گیری
• 58. مدل‌سازی گانگلیون‌های قاعده‌ای و انتخاب عمل
• 59. شبکه‌های عصبی مربوط به یادگیری حرکتی
• 60. مدل‌سازی مخچه و هماهنگی حرکتی
• 61. مدل‌سازی شبکه‌های عصبی در قشر حرکتی
• 62. شبکه‌های عصبی مربوط به توجه
• 63. مدل‌سازی شبکه‌های عصبی در نواحی پیشانی
• 64. مدل‌سازی شبکه‌های عصبی در شبکه‌های مغزی
• 65. مدل‌سازی شبکه حالت پیش‌فرض (DMN)
• 66. مدل‌سازی شبکه توجه مرکزی (CON)
• 67. مدل‌سازی شبکه برجستگی (SAL)
• 68. مدل‌سازی شبکه‌های عصبی در بیماری‌های عصبی
• 69. مدل‌سازی آلزایمر و اختلالات حافظه
• 70. مدل‌سازی پارکینسون و اختلالات حرکتی
• 71. مدل‌سازی صرع و فعالیت تشنجی
• 72. مدل‌سازی اسکیزوفرنی و اختلالات شناختی
• 73. مدل‌سازی اختلالات اضطرابی و افسردگی
• 74. روش‌های تصویربرداری عصبی و تحلیل داده‌ها
• 75. تحلیل داده‌های fMRI با استفاده از مدل‌سازی
• 76. تحلیل داده‌های EEG/MEG با استفاده از مدل‌سازی
• 77. استفاده از مدل‌سازی در طراحی رابط‌های مغز و کامپیوتر (BCI)
• 78. اصول و کاربردهای BCI
• 79. مدل‌سازی عصبی برای درک احساسات
• 80. مدل‌سازی عصبی برای درک زبان
• 81. مدل‌سازی عصبی برای درک آگاهی
• 82. مدل‌سازی عصبی برای درک هوش مصنوعی
• 83. مدل‌سازی عصبی برای درک یادگیری عمیق
• 84. مدل‌سازی عصبی برای درک سیستم‌های پیچیده
• 85. مدل‌سازی عصبی برای درک تکامل مغز
• 86. مدل‌سازی عصبی برای درک مبانی عصبی رفتار
• 87. مدل‌سازی عصبی برای درک مکانیسم‌های عصبی درد
• 88. مدل‌سازی عصبی برای درک سیستم پاداش
• 89. مدل‌سازی عصبی برای درک انگیزش
• 90. مدل‌سازی عصبی برای درک خواب و بیداری
• 91. مدل‌سازی عصبی برای درک پردازش حسی-حرکتی
• 92. مدل‌سازی عصبی برای درک فرایندهای شناختی سطح بالا
• 93. مبانی آماری برای مدل‌سازی عصبی
• 94. مدل‌سازی عصبی مبتنی بر داده
• 95. مدل‌سازی عصبی مبتنی بر اصول
• 96. روش‌های اعتبارسنجی مدل‌های عصبی
• 97. چالش‌های پیش رو در علوم اعصاب محاسباتی
• 98. آینده مدل‌سازی عصبی و کاربردهای آن