فلش‌کارت‌های آموزشی مبانی مدل‌سازی ریاضی در علوم اعصاب: از نورون تا شبکه‌های عصبی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی مدل‌سازی ریاضی در علوم اعصاب: از نورون تا شبکه‌های عصبی

موضوع کلی: علوم اعصاب شناختی و مدل‌سازی ریاضی

موضوع میانی: مدل‌سازی ریاضی فعالیت نورون‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم اعصاب شناختی و مدل‌سازی ریاضی
• 2. تاریخچه مدل‌سازی عصبی
• 3. اهمیت مدل‌سازی ریاضی در درک مغز
• 4. سطوح مختلف مدل‌سازی نورون‌ها
• 5. مدل‌های فیزیکی نورون‌ها
• 6. مدل هجکین-هاکسلی: پایه‌گذار مدل‌سازی غشای نورون
• 7. مفاهیم کلیدی در مدل هجکین-هاکسلی: کانال‌های یونی و پتانسیل غشا
• 8. معادلات دیفرانسیل در مدل هجکین-هاکسلی
• 9. شبیه‌سازی دینامیک پتانسیل عمل با مدل هجکین-هاکسلی
• 10. محدودیت‌های مدل هجکین-هاکسلی و نیاز به مدل‌های ساده‌تر
• 11. مدل فایره-اِند-فایر (Integrate-and-Fire): مدلی ساده برای رفتار نورون
• 12. مفهوم انتگرال‌گیری و آستانه شلیک در مدل فایره-اِند-فایر
• 13. محاسبه زمان شلیک در مدل فایره-اِند-فایر
• 14. انواع مدل‌های فایره-اِند-فایر: لیکی و ایزوله
• 15. کاربرد مدل فایره-اِند-فایر در شبکه‌های عصبی بزرگ
• 16. مدل فایره-اِند-فایر با تطابق (Adaptive Exponential Integrate-and-Fire)
• 17. مدل نورون‌های ایفا (Izhikevich Neuron Model)
• 18. پیکربندی‌های مختلف رفتار نورونی در مدل ایفا
• 19. مزایای مدل ایفا در شبیه‌سازی تنوع رفتاری نورون‌ها
• 20. مدل‌های نورونی پیچیده‌تر: مدل‌های مبتنی بر دینامیک فاز
• 21. مدل‌های شبکه‌های عصبی اسپایکی (Spiking Neural Networks)
• 22. مفهوم کدگذاری عصبی در شبکه‌های اسپایکی
• 23. انواع کدگذاری عصبی: نرخ، فاز، و جمع‌بندی
• 24. پویا نمایی شبکه‌های اسپایکی
• 25. یادگیری در شبکه‌های اسپایکی: قانون هب و یادگیری اسپایکی
• 26. مدل‌های ریاضی یادگیری هب
• 27. یادگیری پس از سیناپسی (STDP)
• 28. مدل‌سازی پلاستیسیته سیناپسی
• 29. شبکه‌های عصبی تکرارشونده (Recurrent Neural Networks)
• 30. مدل‌های ریاضی شبکه‌های تکرارشونده
• 31. کاربرد شبکه‌های تکرارشونده در پردازش دنباله‌ها
• 32. شبکه‌های عصبی کانولوشنال (Convolutional Neural Networks)
• 33. مدل‌های ریاضی شبکه‌های کانولوشنال
• 34. کاربرد شبکه‌های کانولوشنال در پردازش تصویر
• 35. مدل‌سازی شبکه‌های عصبی بیولوژیکی
• 36. شبکه‌های عصبی بازخوردی (Feedback Neural Networks)
• 37. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
• 38. مدل‌سازی شبکه‌های عصبی با معماری‌های مختلف
• 39. مدل‌سازی اتصالات سیناپسی و انتقال اطلاعات
• 40. مدل‌سازی نورو ترانسمیترها و دینامیک سیناپسی
• 41. مدل‌سازی نورون‌های انواع مختلف (مانند نورون‌های هرمی)
• 42. مدل‌سازی سلول‌های گلیال و نقش آن‌ها
• 43. مدل‌سازی نورو مدولاسیون و تأثیر آن بر فعالیت عصبی
• 44. مدل‌سازی مدارهای عصبی در مغز
• 45. مدل‌سازی مدارهای حرکتی
• 46. مدل‌سازی مدارهای بینایی
• 47. مدل‌سازی مدارهای شنوایی
• 48. مدل‌سازی مدارهای حافظه
• 49. مدل‌سازی مدارهای تصمیم‌گیری
• 50. مدل‌سازی شبکه‌های عصبی در قشر مغز
• 51. مدل‌سازی شبکه‌های عصبی در هیپوکامپ
• 52. مدل‌سازی شبکه‌های عصبی در آمیگدال
• 53. مدل‌سازی شبکه‌های عصبی در عقده‌های قاعده‌ای
• 54. مدل‌سازی اطلاعات در شبکه‌های عصبی
• 55. کدگذاری اطلاعات در نورون‌های منفرد
• 56. کدگذاری اطلاعات در جمعیت نورون‌ها
• 57. روش‌های تحلیل داده‌های نوروفیزیولوژیکی
• 58. تحلیل سری‌های زمانی فعالیت عصبی
• 59. تحلیل مؤلفه‌های اصلی (PCA) در داده‌های عصبی
• 60. تحلیل مؤلفه‌های مستقل (ICA) در داده‌های عصبی
• 61. مدل‌سازی ریاضی ادراک
• 62. مدل‌سازی ریاضی توجه
• 63. مدل‌سازی ریاضی حافظه کاری
• 64. مدل‌سازی ریاضی یادگیری و فراموشی
• 65. مدل‌سازی ریاضی زبان
• 66. مدل‌سازی ریاضی پردازش هیجانات
• 67. مدل‌سازی ریاضی برنامه‌ریزی و اجرای رفتار
• 68. مدل‌سازی ریاضی هوش مصنوعی
• 69. مدل‌سازی ریاضی از دیدگاه محاسباتی
• 70. مدل‌سازی ریاضی از دیدگاه نظریه اطلاعات
• 71. مدل‌سازی ریاضی از دیدگاه دینامیک سیستم‌ها
• 72. مدل‌سازی ریاضی از دیدگاه نظریه کنترل
• 73. کاربرد مدل‌سازی در تشخیص بیماری‌های عصبی
• 74. مدل‌سازی در بیماری آلزایمر
• 75. مدل‌سازی در صرع
• 76. مدل‌سازی در پارکینسون
• 77. مدل‌سازی در اختلالات طیف اوتیسم
• 78. مدل‌سازی در اختلالات افسردگی
• 79. مدل‌سازی در اسکیزوفرنی
• 80. ارزیابی و اعتبارسنجی مدل‌های عصبی
• 81. تکنیک‌های شبیه‌سازی مدل‌های عصبی
• 82. نرم‌افزارهای شبیه‌سازی مدل‌های عصبی
• 83. مباحث پیشرفته در مدل‌سازی عصبی
• 84. مدل‌سازی عصبی کوانتومی
• 85. مدل‌سازی عصبی بیولوژیکی الهام گرفته از طبیعت
• 86. آینده مدل‌سازی ریاضی در علوم اعصاب