دوره نوسانات خودبه‌خودی در شبکه‌های عصبی تحریکی خالص: از مدل‌سازی تا تحلیل همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره نوسانات خودبه‌خودی در شبکه‌های عصبی تحریکی خالص: از مدل‌سازی تا تحلیل

موضوع کلی: علوم اعصاب محاسباتی و دینامیک شبکه‌های عصبی

موضوع میانی: دینامیک جمعی نورون‌ها و نوسانات خودبه‌خودی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نوسانات خودبه‌خودی در شبکه‌های عصبی
• 2. معادلات میانگین میدان برای جمعیت نورون‌ها
• 3. مدل‌سازی شبکه عصبی تحریکی خالص
• 4. پارامترهای کلیدی در دینامیک جمعی نورون‌ها
• 5. مفهوم نرخ شلیک و چگالی جمعیت
• 6. معادله بقای احتمال در فضای حالت
• 7. مدل فایر-اینگرید و نقش آن در شبکه‌های تحریکی
• 8. استخراج معادلات میدان میانگین از دینامیک تک‌نورون
• 9. شرط پایداری برای حالت‌های تعادلی شبکه
• 10. تحلیل پایداری خطی حول نقاط ثابت
• 11. مقادیر ویژه و تعیین نوسانات
• 12. مفهوم فرکانس ذاتی در شبکه‌های تحریکی
• 13. نقش تأخیر سیناپسی در القای نوسانات
• 14. تأثیر قدرت سیناپس بر دامنه نوسان
• 15. نوسانات میدان میانگین در غیاب بازداری
• 16. مقایسه با شبکه‌های تحریکی-بازدارنده
• 17. روش‌های عددی برای حل معادلات میدان میانگین
• 18. شبیه‌سازی مونت کارلو از جمعیت نورون‌ها
• 19. تطابق نتایج تحلیلی و شبیه‌سازی
• 20. پارامترهای بحرانی برای ظهور نوسانات
• 21. نمودار فاز شبکه بر اساس پارامترها
• 22. نقش نوفه در دینامیک نوسانی
• 23. تأثیر جریان ورودی ثابت بر نوسانات
• 24. دینامیک غیرخطی و ظهور حدچرخه
• 25. تحلیل حدچرخه با روش‌های اختلال
• 26. مفهوم جذب‌کننده‌ها در فضای فاز
• 27. تغییرات دامنه نوسان با جریان ورودی
• 28. مدل‌سازی با نورون‌های لیکی-اینتگریت-اند-فایر
• 29. نقش ثابت زمانی غشایی در نوسانات
• 30. تأثیر هدایت سیناپسی بر دینامیک جمعی
• 31. پدیده هم‌فازی در شبکه‌های تحریکی
• 32. معیارهای اندازه‌گیری هم‌فازی
• 33. ارتباط نوسانات با هم‌فازی نورون‌ها
• 34. تحلیل طیفی نوسانات خودبه‌خودی
• 35. محاسبه چگالی طیف توان
• 36. فرکانس‌های غالب و پهنای باند نوسان
• 37. تأثیر اندازه شبکه بر نوسانات
• 38. نقش اتصالات تصادفی در دینامیک
• 39. مدل‌سازی با شبکه‌های کاملاً متصل
• 40. مقایسه با شبکه‌های با اتصال تنک
• 41. تأثیر ناهمگنی در پارامترهای نورون
• 42. دینامیک شبکه با نورون‌های ناهمگن
• 43. روش‌های کاهش مرتبه مدل
• 44. تقریب با معادلات فاکتوری
• 45. مدل‌های صریح برای نوسانات با دامنه بزرگ
• 46. تحلیل پایداری نوسانات با روش فلوکه
• 47. نقش فرکانس در پایداری حدچرخه
• 48. تأثیر جریان تحریکی تناوبی
• 49. پدیده تشدید در شبکه تحریکی
• 50. کاربرد در مدل‌سازی نوسانات مغزی
• 51. شباهت با ریتم‌های گاما و تتا
• 52. محدودیت‌های مدل تحریکی خالص
• 53. تعمیم به شبکه‌های با بازداری ضعیف
• 54. روش‌های تحلیلی برای شبکه‌های بزرگ
• 55. استفاده از تبدیل فوریه در تحلیل
• 56. مدل‌های میدان میانگین با مرتبه بالاتر
• 57. تأثیر سیناپس‌های دندریتی بر نوسان
• 58. نقش کانال‌های یونی در دینامیک جمعی
• 59. مدل‌سازی با نورون‌های هاپفیلد
• 60. مقایسه با شبکه‌های عصبی زیستی
• 61. ابزارهای نرم‌افزاری برای شبیه‌سازی
• 62. تحلیل حساسیت پارامترهای مدل
• 63. پیش‌بینی نقاط انشعاب در شبکه
• 64. انشعاب هوپف و ظهور نوسانات
• 65. انشعاب گره-زین و دینامیک آستانه‌ای
• 66. نقش شرایط اولیه در جذب نوسان
• 67. مدل‌سازی با معادلات دیفرانسیل تأخیری
• 68. تأخیر سیناپسی و غشایی در نوسانات
• 69. تأثیر نرخ شلیک پایه بر دینامیک
• 70. پدیده خاموشی نوسان در جریان بالا
• 71. دینامیک در حضور جریان منفی
• 72. روش‌های خطی‌سازی برای تحلیل پایداری
• 73. محاسبه تابع پاسخ شبکه
• 74. کاربرد در رمزگشایی فعالیت عصبی
• 75. ارتباط با حافظه کاری و توجه
• 76. مدل‌سازی اختلالات در شبکه
• 77. تحلیل نوسانات با معیار انتروپی
• 78. مقایسه با داده‌های تجربی ثبت نورون
• 79. روش‌های برازش مدل به داده
• 80. پارامترسازی برای شبکه‌های واقعی
• 81. چالش‌های مدل‌سازی تحریکی خالص
• 82. دیدگاه‌های آینده در دینامیک شبکه‌های عصبی