UE477 - Computational Neuroscience (MOD 202)


Lieu et planning


  • ENS-Ulm
    45 rue d'Ulm 75005 Paris
    2nd semestre / hebdomadaire, lundi 14:00-16:00
    du 6 septembre 2021 au 10 janvier 2022


Description


Dernière modification : 18 juin 2021 14:54

Type d'UE
Enseignements fondamentaux de master
Domaine
-
Disciplines
Psychologie et sciences cognitives
Page web
https://docs.google.com/document/d/17gScOgoGUhGbik81egqkRQ7dR1Sep6Wm8VKkdmG91Dg/edit 
Langues
anglais
Mots-clés
-
Aires culturelles
-
Intervenant·e·s

This course introduces mathematical and computational modelling approaches to brain information processing. The objective is to initiate students to computational neuroscience and to teach key quantitative concepts. The course is organized in three modules:

  • Modeling of cognition and behavior (classical and operant conditioning, reinforcement learning, decision-making) 

  • Information processing (neural decoding, population encoding, sensory processing, linear receptive fields,)

  • Dynamics and mechanisms (biophysics of neurons, feedforward and recurrent neural networks, synaptic plasticity, associative memories)

Cette unité d'enseignement présentera le traitement de l'information dans le cerveau d'une perspective mathématique. L'objectif du cours est d'initier les étudiants aux neurosciences computationnelles et d'enseigner les outils quantitatifs utilisés dans l'étude du cerveau. Nous traiterons en particulier les matières suivantes :

  • Modélisation de la cognition et du comportement (conditionnement classique; conditionnement opérant; apprentissage par réenforcement; modèles de prise de décision)

  • Traitement de l'information (décodage neuronale; codage par population, traitement sensoriel; champs récepteurs)

  • Dynamique et mécanismes (biophysique d'un neurone; réseaux de neurones feedforward et récurrent; mémoires associatives)

Prerequisites:

Basic mathematical skills are prerequisite to the course (basic notions of linear algebra, vector arithmetic, basic notions of probability and statistics, calculus and elementary differential equations).

Students will be introduced to and familiarized with concepts of computational modelling in neuroscience.

Students will be able to:

- understand models of reinforcement learning

- understand models of neural decoding using signal detection theory

- understand models of population coding and decision making based on single neuron activity

- understand  models of neuronal biophysics and network dynamics

- read and analyse papers in computational neuroscience


Master


  • Séminaires de tronc commun – Sciences cognitives – M1/S2
    Suivi et validation – semestriel hebdomadaire = 6 ECTS
    MCC – CC +Examen

Renseignements


Contacts additionnels
-
Informations pratiques
-
Direction de travaux des étudiants
-
Réception des candidats
-
Pré-requis
-

Dernière modification : 18 juin 2021 14:54

Type d'UE
Enseignements fondamentaux de master
Domaine
-
Disciplines
Psychologie et sciences cognitives
Page web
https://docs.google.com/document/d/17gScOgoGUhGbik81egqkRQ7dR1Sep6Wm8VKkdmG91Dg/edit 
Langues
anglais
Mots-clés
-
Aires culturelles
-
Intervenant·e·s

This course introduces mathematical and computational modelling approaches to brain information processing. The objective is to initiate students to computational neuroscience and to teach key quantitative concepts. The course is organized in three modules:

  • Modeling of cognition and behavior (classical and operant conditioning, reinforcement learning, decision-making) 

  • Information processing (neural decoding, population encoding, sensory processing, linear receptive fields,)

  • Dynamics and mechanisms (biophysics of neurons, feedforward and recurrent neural networks, synaptic plasticity, associative memories)

Cette unité d'enseignement présentera le traitement de l'information dans le cerveau d'une perspective mathématique. L'objectif du cours est d'initier les étudiants aux neurosciences computationnelles et d'enseigner les outils quantitatifs utilisés dans l'étude du cerveau. Nous traiterons en particulier les matières suivantes :

  • Modélisation de la cognition et du comportement (conditionnement classique; conditionnement opérant; apprentissage par réenforcement; modèles de prise de décision)

  • Traitement de l'information (décodage neuronale; codage par population, traitement sensoriel; champs récepteurs)

  • Dynamique et mécanismes (biophysique d'un neurone; réseaux de neurones feedforward et récurrent; mémoires associatives)

Prerequisites:

Basic mathematical skills are prerequisite to the course (basic notions of linear algebra, vector arithmetic, basic notions of probability and statistics, calculus and elementary differential equations).

Students will be introduced to and familiarized with concepts of computational modelling in neuroscience.

Students will be able to:

- understand models of reinforcement learning

- understand models of neural decoding using signal detection theory

- understand models of population coding and decision making based on single neuron activity

- understand  models of neuronal biophysics and network dynamics

- read and analyse papers in computational neuroscience

  • Séminaires de tronc commun – Sciences cognitives – M1/S2
    Suivi et validation – semestriel hebdomadaire = 6 ECTS
    MCC – CC +Examen
Contacts additionnels
-
Informations pratiques
-
Direction de travaux des étudiants
-
Réception des candidats
-
Pré-requis
-
  • ENS-Ulm
    45 rue d'Ulm 75005 Paris
    2nd semestre / hebdomadaire, lundi 14:00-16:00
    du 6 septembre 2021 au 10 janvier 2022