فلش‌کارت‌های آموزشی مدل‌سازی دینامیک توده‌های عصبی با استفاده از روش‌های Perturbation-based Ensemble Mean (PEM-UDE)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی دینامیک توده‌های عصبی با استفاده از روش‌های Perturbation-based Ensemble Mean (PEM-UDE)

موضوع کلی: علوم اعصاب محاسباتی و مدل‌سازی سیستم‌های عصبی

موضوع میانی: مدل‌سازی دینامیک شبکه‌های عصبی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم اعصاب محاسباتی
• 2. مبانی مدل‌سازی سیستم‌های عصبی
• 3. مفاهیم پایه شبکه‌های عصبی
• 4. نورون‌ها و سیناپس‌ها: واحدهای سازنده
• 5. دینامیک نورون‌های منفرد
• 6. مدل‌های گیت-یون (Hodgkin-Huxley)
• 7. مدل‌های فایرینگ یکپارچه (Integrate-and-Fire)
• 8. شبکه‌های عصبی: ساختار و عملکرد
• 9. انواع اتصالات سیناپسی
• 10. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks)
• 11. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
• 12. توده‌های عصبی (Neural Masses)
• 13. مفاهیم پایه توده‌های عصبی
• 14. مدل‌های استاندارد توده‌های عصبی
• 15. مدل ویلسون-کائول (Wilson-Cowan)
• 16. مفاهیم کلیدی در دینامیک توده‌های عصبی
• 17. پایداری و ناپایداری در توده‌های عصبی
• 18. نوسانات و امواج مغزی
• 19. پاسخ توده‌های عصبی به ورودی‌ها
• 20. روش‌های مدل‌سازی توده‌های عصبی
• 21. معادلات دیفرانسیل معمولی (ODEs)
• 22. تحلیل پایداری خطی
• 23. مقدمه‌ای بر روش‌های Perturbation-based Ensemble Mean (PEM-UDE)
• 24. اصول اولیه PEM-UDE
• 25. کاربرد PEM-UDE در مدل‌سازی شبکه‌های عصبی
• 26. مفهوم میانگین گروهی (Ensemble Mean)
• 27. تکنیک‌های اغتشاش (Perturbation)
• 28. مدل‌سازی دینامیک شبکه‌های عصبی با PEM-UDE
• 29. تنظیم پارامترهای مدل‌های توده‌های عصبی
• 30. اعتبارسنجی مدل‌های توده‌های عصبی
• 31. مقایسه مدل‌های مختلف توده‌های عصبی
• 32. مطالعات موردی در علوم اعصاب محاسباتی
• 33. مدل‌سازی فعالیت قشر مغز
• 34. مدل‌سازی فعالیت تالاموس
• 35. مدل‌سازی نواحی خاص مغزی
• 36. کاربرد PEM-UDE در مطالعات بیماری‌های عصبی
• 37. مدل‌سازی صرع
• 38. مدل‌سازی پارکینسون
• 39. مدل‌سازی آلزایمر
• 40. تحلیل پاسخ‌های دینامیکی به تحریک
• 41. شبیه‌سازی پاسخ‌های تحریک مغناطیسی ترانس‌کرانیال (TMS)
• 42. شبیه‌سازی پاسخ‌های تحریک الکتریکی ترانس‌کرانیال (TES)
• 43. تجزیه و تحلیل سیگنال‌های EEG و MEG
• 44. ارتباط بین دینامیک توده‌های عصبی و سیگنال‌های بالینی
• 45. کاربرد PEM-UDE در تفسیر داده‌های بالینی
• 46. مدل‌سازی بازخورد عصبی
• 47. مدل‌سازی شبکه‌های عصبی با تاخیر
• 48. مدل‌سازی شبکه‌های عصبی با قدرت غیرخطی
• 49. مقدمه‌ای بر روش‌های عددی در مدل‌سازی
• 50. روش‌های حل عددی معادلات دیفرانسیل
• 51. روش رانگ-کوتا
• 52. کاربرد روش‌های عددی در PEM-UDE
• 53. پیاده‌سازی PEM-UDE در نرم‌افزارهای علمی
• 54. نرم‌افزارهای شبیه‌سازی علوم اعصاب
• 55. مدلبندی با استفاده از پایتون و کتابخانه‌های مرتبط
• 56. تحلیل حساسیت پارامترها
• 57. بهینه‌سازی پارامترهای مدل
• 58. تجزیه و تحلیل پیچیدگی در سیستم‌های عصبی
• 59. نظریه اطلاعات و کاربرد آن در علوم اعصاب
• 60. مفاهیم اطلاعات متقابل
• 61. آنتروپی و اطلاعات مشترک
• 62. کاربرد نظریه اطلاعات در تحلیل شبکه‌های عصبی
• 63. مدل‌سازی شبکه‌های عصبی بزرگ مقیاس
• 64. تکنیک‌های کاهش ابعاد
• 65. مدل‌سازی شبکه‌های عصبی پویا
• 66. تحلیل پویایی سیستم‌های پیچیده
• 67. مقدمه‌ای بر یادگیری ماشین در علوم اعصاب
• 68. کاربرد یادگیری ماشین در تفسیر داده‌های عصبی
• 69. یادگیری ماشین برای پیش‌بینی فعالیت عصبی
• 70. یادگیری ماشین برای طبقه‌بندی حالات مغزی
• 71. یادگیری ماشین برای کشف الگوهای عصبی
• 72. مدل‌سازی سیستم‌های حسی
• 73. مدل‌سازی سیستم بینایی
• 74. مدل‌سازی سیستم شنوایی
• 75. مدل‌سازی سیستم حرکتی
• 76. مفاهیم پردازش اطلاعات در مغز
• 77. پردازش موازی در مغز
• 78. پردازش سلسله مراتبی در مغز
• 79. شبکه‌های عصبی و یادگیری
• 80. مبانی یادگیری در شبکه‌های عصبی
• 81. یادگیری تقویتی
• 82. یادگیری نظارت شده
• 83. یادگیری بدون نظارت
• 84. کاربرد PEM-UDE در مدل‌سازی یادگیری
• 85. مدل‌سازی تغییرات سیناپسی
• 86. مدل‌سازی انعطاف‌پذیری سیناپسی
• 87. مدل‌سازی پلاستیسیته بلندمدت (LTP)
• 88. مدل‌سازی پلاستیسیته کوتاه‌مدت (STP)
• 89. تحلیل شبکه‌های عصبی در حالت پایدار
• 90. پدیده‌های نورولوژیکی مرتبط با دینامیک شبکه‌ها
• 91. تحلیل نوسانات آلفا، بتا، تتا و گاما
• 92. ارتباط بین نوسانات و فرآیندهای شناختی
• 93. مدل‌سازی فرآیندهای شناختی
• 94. مدل‌سازی توجه
• 95. مدل‌سازی حافظه
• 96. مدل‌سازی تصمیم‌گیری
• 97. کاربرد PEM-UDE در مدل‌سازی فرآیندهای شناختی
• 98. مدل‌سازی بیماری‌های روانی
• 99. مدل‌سازی افسردگی
• 100. مدل‌سازی اضطراب