دوره رمزگشایی بیزی جمعیت‌های عصبی؛ از احتمال شرطی تا رابط مغز و رایانه همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رمزگشایی بیزی جمعیت‌های عصبی؛ از احتمال شرطی تا رابط مغز و رایانه

موضوع کلی: علوم اعصاب محاسباتی و تحلیل داده‌های عصبی

موضوع میانی: استنتاج و رمزگشایی بیزی فعالیت جمعیت‌های عصبی

📋 سرفصل‌های دوره

• 1. کاربرد استنتاج بیزی در رمزگشایی عصبی
• 2. تمایز رمزگذاری عصبی و رمزگشایی
• 3. متغیر پنهان، پاسخ عصبی و داده مشاهده‌شده
• 4. تعریف کمّی هدف و خروجی دکلدر
• 5. احتمال شرطی، توأمان و حاشیه‌ای
• 6. قضیه بیز در استنتاج از پاسخ‌های عصبی
• 7. پیش‌توزیع و گنجاندن دانش پیشین
• 8. مدل احتمال برای داده‌های عصبی
• 9. توزیع پس و به‌روزرسانی شواهد
• 10. لگ‌احتمال و پایداری محاسباتی
• 11. داده‌های آزمایشی و داده‌های پیوسته
• 12. انتخاب واحد اندازه‌گیری عصبی
• 13. استخراج اسپایک و کنترل کیفیت
• 14. عدم‌قطعیت طبقه‌بندی اسپایک
• 15. انتخاب اندازه باین زمانی
• 16. مدل مشاهده داده‌های کلسیم
• 17. خم تنظیم نورون‌ها
• 18. کدگذاری نرخ و پاسخ میانگین
• 19. کدگذاری زمانی و الگوهای اسپایکی
• 20. نوسان آزمایش‌به‌آزمایش
• 21. رابطه میانگین و واریانس
• 22. مدل نقطه‌ای پوآسون
• 23. مدل‌های نوسازی و اثر فاصله‌مرده
• 24. همبستگی خطا در پاسخ‌های عصبی
• 25. همبستگی‌های مشترک و تمایزی
• 26. احتمال توأمان پاسخ جمعیتی
• 27. تقریب استقلال و هزینه آن
• 28. مدل گاوسی پاسخ‌های جمعیتی
• 29. مدل خطی تعمیم‌یافته برای کدگذاری جمعیتی
• 30. مدل آمیخته برای متغیرهای گسسته و پیوسته
• 31. داده‌های گمشده و خروج نورون‌ها
• 32. برازش خم تنظیم با داده محدود
• 33. کنترل پیچیدگی و انقباض در برآورد ویژگی‌ها
• 34. استنتاج سلسله‌مراتبی ویژگی نورون‌ها
• 35. برآورد بیشینه احتمال
• 36. برآورد بیشینه پس‌احتمال
• 37. مدل‌سازی وابستگی پیشین میان ویژگی نورون‌ها
• 38. استنتاج پس‌احتمال برای وضعیت‌های گسسته
• 39. استنتاج پس‌احتمال برای وضعیت‌های پیوسته
• 40. برآورد نقطه‌ای MAP
• 41. برآورد نقطه‌ای میانگین پس‌احتمال
• 42. برآورد میانه و زیان خطای مطلق
• 43. انتخاب برآوردگر بر پایه تابع زیان
• 44. تصمیم‌گیری با نسبت احتمال
• 45. بیشینه‌سازی سود مورد انتظار
• 46. کمیت‌سازی بازه و پراکندگی پس‌احتمالی
• 47. آنتروپی و اطلاعات متقابل
• 48. اطلاعات فیشر و ظرفیت استنتاج جمعیتی
• 49. حد کرامر–راو و حد پایین خطا
• 50. بردار جمعیتی و تفسیر بیزی آن
• 51. دکلدر خطی به‌عنوان تقریب بیزی
• 52. برآورد بهینه خطی در مدل گاوسی
• 53. ارتباط رجولاریزاسیون لانه‌ای با پیش‌توزیع
• 54. رمزگشایی نایو بیز
• 55. دکلدرهای غیرخطی و تقریب‌های محلی
• 56. مدل‌های عامل پنهان و کاهش بعد
• 57. تحلیل عامل و مدل‌های عامل گاوسی
• 58. فضاهای حالت برای دینامیک عصبی
• 59. مدل‌های دینامیکی جهت‌دار حرکت
• 60. مدل مارکوف پنهان برای وضعیت‌های عصبی
• 61. بازه‌بندی بیزی پیوسته
• 62. فیلتر کالمن برای حالت پنهان
• 63. فیلتر ذره برای مدل‌های غیرگاوسی
• 64. هموارسازی و پیش‌بینی در داده‌های عصبی
• 65. الگوریتم انتظار–حداکثر برای متغیرهای پنهان
• 66. نمونه‌گیری MCMC برای استنتاج بیزی
• 67. استنتاج وریانتیال
• 68. برآورد پارامترهای مدل مولد با داده‌های واقعی
• 69. ارزیابی پیش‌بینی بر داده‌های ماندگار
• 70. اعتبارسنجی متقابل و انتخاب مدل
• 71. بازپوشانی و عدم‌قطعیت برآورد
• 72. کالیبراسیون احتمال پس‌احتمال
• 73. likelihood حاشیه‌ای و مقایسه مدل‌های بیزی
• 74. معیارهای اطلاعاتی و تعادل سازگاری–سادگی
• 75. تنظیم فراپارامترها بدون نشت داده
• 76. ناپایداری پاسخ و رانش عصبی
• 77. سازگاری آنلاین و وزن‌دهی مجدد
• 78. انتقال دکلدر میان جلسات و حیوانات
• 79. رمزگشایی با داده کالیبراسیون محدود
• 80. ارزیابی تأخیر و پایداری دکلدر آنلاین
• 81. حلقه بسته در رابط مغز و رایانه
• 82. رمزگشایی حرکت از قشر حرکتی
• 83. رمزگشایی محرک از پاسخ‌های حسی
• 84. رمزگشایی وضعیت از دینامیک جمعیتی
• 85. ترکیب مدل‌ها برای افزایش پایداری
• 86. طراحی آزمایش بیزی برای بهبود دکلدر
• 87. گزارش توزیع پس، بازه‌های پس‌احتمالی و خط پایه
• 88. شناسایی‌پذیری و مرز استنتاج علّی