Licenciatura en Neurociencias · Facultad de Medicina · UNAM

Neurociencia Computacional

Santiago Herce Castañón · Centro de Ciencias de la Complejidad (C3)

Cómo el cerebro representa, infiere y aprende: de la codificación neuronal a la inferencia Bayesiana, el aprendizaje por refuerzo y la memoria en redes neuronales. Cada clase es una presentación interactiva con simulaciones.

Clases

1. 1

   Ruido neuronal, codificación y decodificación

   Clase 1

   próximamente
2. 2

   Integración Bayesiana

   Clase 2

   próximamente
3. 3

   Códigos probabilísticos con poblaciones de neuronas

   Clase 3

   próximamente
4. 4
   Aprendizaje por Refuerzo como inferencia Bayesiana no paramétrica12 simulaciones

   Rescorla–Wagner · TD y dopamina · Q-learning · causas latentes · CRP e IBP · extinción
   abrir →
5. 5
   Aprendizaje y olvido en redes neuronales10 simulaciones

   LTP/LTD y STDP · Hopfield: animación, red de 100 neuronas y capacidad · interferencia catastrófica · place cells, decodificador Bayesiano y replay · deriva · Káli & Dayan · Go-CLS (Sun et al. 2023)
   abrir →
6. 6

   Mapas cognitivos

   Clase 6

   próximamente
7. 7

   Programación inductiva probabilística

   Clase 7

   próximamente

Información del curso