فلش‌کارت‌های آموزشی مدل‌سازی و شبیه‌سازی فعالیت نورونی در مغز

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی و شبیه‌سازی فعالیت نورونی در مغز

موضوع کلی: علوم اعصاب محاسباتی

موضوع میانی: دینامیک شبکه‌های عصبی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم اعصاب محاسباتی
• 2. مبانی نوروفیزیولوژی
• 3. ساختار نورون‌ها و سیناپس‌ها
• 4. مدل‌سازی نورون‌های منفرد
• 5. مدل فیتز-هیو-ناگوموتو
• 6. مدل هُدگین-هاکسلی
• 7. مدل آیزکه‌ویتز
• 8. مدل‌های آستانه‌ای ساده
• 9. شبیه‌سازی نورون‌های منفرد
• 10. مفاهیم شبکه‌های عصبی
• 11. سیناپس‌ها و انتقال پیام عصبی
• 12. انواع سیناپس‌ها: تحریک‌کننده و بازدارنده
• 13. پلاستیسیته سیناپسی
• 14. قانون هب
• 15. یادگیری تقویتی در سیناپس‌ها
• 16. شبکه‌های عصبی سراسری
• 17. شبکه‌های عصبی محلی
• 18. مدل‌سازی شبکه‌های پیچیده
• 19. دینامیک شبکه‌های نورونی
• 20. پدیده‌های خودسازمان‌دهنده
• 21. نوسانات و امواج در شبکه‌ها
• 22. همزمانی فعالیت نورونی
• 23. تشکیل الگو در شبکه‌ها
• 24. شبکه‌های بازدارنده
• 25. شبکه‌های تحریک‌کننده
• 26. شبکه‌های مختلط
• 27. شبکه‌های نورونی تصادفی
• 28. شبکه‌های اسپایکی
• 29. مدل‌سازی شبکه‌های اسپایکی
• 30. انتشار اطلاعات در شبکه‌ها
• 31. یادگیری در شبکه‌های عصبی
• 32. شبکه‌های عصبی مصنوعی
• 33. شبکه‌های کانولوشنی (CNN)
• 34. شبکه‌های بازگشتی (RNN)
• 35. شبکه‌های مبتنی بر توجه
• 36. کاربرد شبکه‌های عصبی در پردازش سیگنال
• 37. کاربرد شبکه‌های عصبی در بینایی ماشین
• 38. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
• 39. کاربرد شبکه‌های عصبی در کنترل رباتیک
• 40. مدل‌سازی حافظه در شبکه‌های عصبی
• 41. مدل‌های حافظه کوتاه‌مدت
• 42. مدل‌های حافظه بلندمدت
• 43. شبکه‌های عصبی و یادگیری عمیق
• 44. مبانی یادگیری عمیق
• 45. شبکه‌های عصبی عمیق
• 46. معماری‌های یادگیری عمیق
• 47. آموزش شبکه‌های عصبی عمیق
• 48. تنظیم ابرپارامترها
• 49. روش‌های بهینه‌سازی
• 50. تنظیم‌گری (Regularization)
• 51. شبکه‌های مولد تخاصمی (GANs)
• 52. شبکه‌های عصبی و یادگیری تقویتی
• 53. یادگیری تقویتی بدون مدل
• 54. یادگیری تقویتی مبتنی بر مدل
• 55. الگوریتم‌های یادگیری تقویتی عمیق
• 56. کاربرد شبکه‌های عصبی در علوم رفتاری
• 57. مدل‌سازی تصمیم‌گیری
• 58. مدل‌سازی ادراک
• 59. مدل‌سازی توجه
• 60. شبکه‌های عصبی و کاربردهای بالینی
• 61. تشخیص بیماری‌ها
• 62. پیش‌بینی روند بیماری
• 63. طراحی درمان‌های شخصی‌سازی شده
• 64. ملاحظات اخلاقی در علوم اعصاب محاسباتی
• 65. حریم خصوصی داده‌های عصبی
• 66. سوگیری در الگوریتم‌های هوش مصنوعی
• 67. مسئولیت‌پذیری در سیستم‌های هوشمند
• 68. آینده علوم اعصاب محاسباتی
• 69. رابط‌های مغز و کامپیوتر
• 70. هوش مصنوعی عمومی
• 71. شبکه‌های عصبی بیولوژیکی و مصنوعی
• 72. مقایسه مدل‌های نورونی و شبکه‌های مصنوعی
• 73. مدل‌سازی سیستم‌های حسی
• 74. مدل‌سازی سیستم‌های حرکتی
• 75. مدل‌سازی فرآیندهای شناختی سطح بالا
• 76. شبکه‌های عصبی و دینامیک سیستم‌های پیچیده
• 77. نظریه آشوب در شبکه‌های عصبی
• 78. سیستم‌های غیرخطی در مغز
• 79. پایدارسازی شبکه‌های عصبی
• 80. کاربرد مدل‌های دینامیکی در درمان اختلالات عصبی
• 81. شبکه‌های عصبی و دینامیک اجتماعی
• 82. مدل‌سازی رفتار جمعی
• 83. انتشار اطلاعات در شبکه‌های اجتماعی
• 84. شبکه‌های عصبی و ارتباطات بین‌فردی
• 85. شبکه‌های عصبی و پردازش اطلاعات حسی
• 86. مدل‌سازی سیستم بینایی
• 87. مدل‌سازی سیستم شنوایی
• 88. مدل‌سازی سیستم بویایی
• 89. شبکه‌های عصبی و یادگیری حرکتی
• 90. کنترل حرکتی
• 91. یادگیری مهارت‌های حرکتی
• 92. بازتوانی حرکتی با استفاده از شبکه‌های عصبی
• 93. شبکه‌های عصبی و شناخت
• 94. حافظه کاری
• 95. عملکردهای اجرایی
• 96. یادگیری و حافظه
• 97. شبکه‌های عصبی و احساسات
• 98. مدل‌سازی مدارهای هیجانی
• 99. پردازش اطلاعات هیجانی
• 100. تأثیر احساسات بر شناخت