-
Lingua Insegnamento:
ITALIANO
-
Testi di riferimento:
I testi di riferimento sono:
Eugene M. Izhikevich, Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting The MIT Press, 2007
Dayan, P. (2005). Theoretical Neuroscience: Computational And Mathematical Modeling of Neural Systems. MIT Press.
Gerstner, Wulfram, et al. Neuronal dynamics: From single neurons to networks and models of cognition. Cambridge University Press, 2014.
Materiale didattico fornito dal docente e disponibile online per la preparazione dell'esame -
Obiettivi formativi:
Il corso si propone di fornire le conoscenze teoriche e tecniche per lo studio dei modelli computazionali cerebrali.
Lo studente alla fine del corso sarà in grado di studiare e capire i modelli computazionali cerebrali a diversi livelli di specificità: partendo dai modelli neuronali e finendo a modelli di processi cognitivi. -
Prerequisiti:
Conoscenze di base di Fisica, Neurofisiologia, Analisi Matematica e Algebra Lineare.
-
Metodi didattici:
L’insegnamento si compone di 64 ore di didattica frontale, suddivise in lezioni da 2 e 3 ore.
Le lezioni frontali si avvalgono del supporto di diapositive e riguardano aspetti teorici della disciplina.
Inoltre, all’interno del corso sono previste delle esercitazioni pratiche che includono l’implementazione di alcuni modelli computazionali presentati durante il corso. -
Modalità di verifica dell'apprendimento:
La verifica dell'apprendimento consiste in una prova orale volta a valutare la comprensione degli aspetti tecnici e teorici dei modelli e delle tecniche introdotte durante il corso.
Il voto finale è espresso in trentesimi. -
Obiettivi Agenda 2030 per lo sviluppo sostenibile:
-
Altre Informazioni:
Le slide e altro materiale didattico, anche suggerito per approfondimenti, sono disponibili sulla piattaforma e-learning del corso.
La frequenza sistematica alle lezioni è altamente raccomandata.
I contenuti dell’insegnamento riguardano i modelli computazionali cerebrali e cognitivi. Verranno presentati i modelli computazionali dei neuroni con particolare attenzione allo studio dei sistemi dinamici e teoria delle biforcazioni. Inoltre verranno anche presentati dei modelli basati sulle network cerebrali con applicazione nelle neuroscienze cognitive, per definire processi di alto livello come le decisioni e la memoria.
Durante il corso verranno anche introdotte alcune esercizationi, su ambiente python, per implementare e studiare tali modelli.
Introduzione:
1) Presentazione corso
2) Basi di modeling
3) Cenni di funzionamento neuronale
Sistemi dinamici:
1) Sistemi dinamici monodimensionali
2) Sistemi dinamici bidimensionali
3) Teoria delle biforcazioni
Modellazione neuronale:
1) Il modello di Hodgkin-Huxley
2) I modelli minimi voltaggio-dipendenti
3) Classi di eccitabilità e spiking
4) Proprietà di inibizione neuronale
5) Bursting
Modelli cognitivi:
1) I modelli di encoding
2) I modelli di decoding
3) I modelli per le reti neuronali
4) Modelli di decision-making
5) Modelli di memoria
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
