دوره اصول و روش‌های مدل‌سازی ریاضی برای تحلیل تعاملات در مقیاس شبکه مغزی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و روش‌های مدل‌سازی ریاضی برای تحلیل تعاملات در مقیاس شبکه مغزی

موضوع کلی: علوم اعصاب محاسباتی و مدل‌سازی سیستم‌های پیچیده

موضوع میانی: تحلیل شبکه‌های عصبی مغز با استفاده از مدل‌سازی داده‌محور

📋 سرفصل‌های دوره

• 1. مبانی بیولوژیک و ساختار سلسله‌مراتبی شبکه‌های عصبی مغز
• 2. اصول مدل‌سازی ریاضی در علوم اعصاب محاسباتی
• 3. معرفی مدل‌های نرخ‌دهی و پویایی جمعیت‌های نورونی
• 4. روش‌های ثبت داده‌های مغزی در مقیاس وسیع
• 5. پیش‌پردازش و پاک‌سازی داده‌های تصویربرداری عملکردی مغز
• 6. مفاهیم پایه در تحلیل گراف و توپولوژی شبکه‌های مغزی
• 7. مدل‌سازی اتصال‌شناسی ساختاری با استفاده از داده‌های دی‌تی‌آی
• 8. تخمین ماتریس‌های اتصال عملکردی در شبکه‌های مغزی
• 9. معادلات دیفرانسیل در توصیف فعالیت نورونی
• 10. مدل‌های نوسانی و پویایی‌های غیرخطی در مغز
• 11. تلفیق داده‌های تجربی با مدل‌های بیوفیزیکی
• 12. روش‌های کاهش ابعاد در تحلیل داده‌های پیچیده مغزی
• 13. مدل‌سازی تعاملات بین‌ناحیه‌ای در قشر مغز
• 14. تحلیل همبستگی‌های فضایی و زمانی در فعالیت مغزی
• 15. تخمین پارامترهای مدل با استفاده از الگوریتم‌های بهینه‌سازی
• 16. ارزیابی دقت مدل‌های محاسباتی با داده‌های واقعی
• 17. مدل‌های مبتنی بر میدان میانگین برای توصیف فعالیت جمعی
• 18. تحلیل پایداری و تحلیل دوشاخگی در سیستم‌های نورونی
• 19. نقش تأخیرهای عصبی در مدل‌سازی تعاملات مغزی
• 20. مدل‌سازی اثرات مدولاسیون‌های عصبی بر شبکه
• 21. روش‌های شبیه‌سازی مونت‌کارلو در سیستم‌های عصبی
• 22. تحلیل شبکه‌های کوچک‌مقیاس و ویژگی‌های جهان کوچک
• 23. مدل‌سازی انتقال اطلاعات در مسیرهای عصبی
• 24. کاربرد نظریه کنترل در تحلیل شبکه‌های مغزی
• 25. تشخیص ناهنجاری‌ها در الگوهای فعالیت شبکه مغزی
• 26. مدل‌سازی تغییرپذیری فعالیت مغز در طول زمان
• 27. بررسی نقش گره‌های کلیدی در یکپارچگی شبکه
• 28. اعتبارسنجی مدل‌های ریاضی با رویکرد داده‌محور
• 29. محدودیت‌ها و چالش‌های مدل‌سازی در مقیاس کل مغز
• 30. اخلاق پژوهش در تحلیل داده‌های زیستی و علوم اعصاب
• 31. تفسیرپذیری مدل‌های محاسباتی در مطالعات بالینی
• 32. آینده‌نگری در مدل‌سازی سیستم‌های پیچیده مغزی