Idegrendszeri modellezés

ELTE TTK


2020/21. ősz

A kurzus célja, hogy a hallgatók betekintést nyerjenek az idegrendszer működésébe. A modellek szerepe kettős: Egyrészt az idegrendszer egy komplex rendszer, a sokféle információ szintetizálásához pontos modellekre van szükség. Másrészt az idegrendszer modellezi a külvilágot, az aktivitását megfigyelve ezekről a modellekről is információt gyűjthetünk.

A kurzust elsősorban a matematikától nem idegenkedő biológus vagy az agyunk működése iránt érdeklődő fizikus, mérnök vagy informatikus hallgatóknak ajánljuk, de bárki mást is szívesen látunk. A kurzus 14 előadásból áll, melyekhez egyszerű gyakorlati feladatok (adatelemzés python nyelven) is kapcsolódnak.

Időpont: hétfő, 16:15
Helyszín: online, Google Meet - https://meet.google.com/gps-itih-bev
Tárgykód: kv2n9o46 (ELTE) BIO/07/16 (ELTE, biológia doktori iskola) BMETE47MC40 (BME)
Oktatók: Orbán Gergő, Somogyvári Zoltán, Ujfalussy Balázs
Gyakorlat: A neuromatch kurzus feladataiból fogunk szemezgetni.

Jegyszerzés feltétele az aktív órai részvétel (legalább egy prezentáció a félév során).

Megajánlott jegy. A kurzushoz kapcsolódó gyakorlatok (programozási, adatelemzési feladatok) teljesítésével lehet megajénlott jegyet szerezni. Feltételek:

  • minden témakörből legalább 3 feladatot megoldani (a 4 feladatból egyet ki lehet hagyni)
  • legalább 15/20 pont feladatonként
  • a következő témakör kezdete előtt feltölteni egy megosztott google drive folderbe

Írásbeli vizsga

  • Időpont: TBA
  • Vizsgakérdések (példa): link

Tanterv (még változhat):

    Bevezetés

  • szept. 7: Bemutatkozás. Modellalkotás az idegtudományban, bottom-up és top-down modellek, az agy és a számítógép összehasonlítása Intro diák.. Google colab (https://colab.research.google.com/) és ipython notebook (https://jupyter.org/) környezetek bemutatása. Tanulópárok kialakítása. Intro: W1D1 Intro (GO, BU és SZ).

    A neurális kód

  • szept. 14.: Kódolás a szenzoros rendszerekben. A neurális variabilitás eredete: input vagy output, kódolás, receptív mező, Poisson eloszlás, LNP és GLM modellek. Diák itt. Intro: W1D4 Intro Feladat: 11_GLM_fitting (UB)
  • szept. 21.: Dekódolás: Bayes szabály, dekódolás, diszkrimináció, szenzitivitás, choice probability, Fisher information (UB). Diák itt. Intro: W2D1 Intro Feladat: 12_Inference_Poisson_tutorial
  • szept. 28.: Döntéshozatal: loss function, evidence integration, causality. Diák itt Plase also watch this video for a short intro (UB)
  • okt. 5.: Neuron hálózatok: előrecsatolt és visszacsatolt hálózat, súlymátrix, linárizáció, ráta modell, sajátvektor, amplifikáció, EI-hálózatok, nem-normális súlymátrix, tranziens dinamika, variabilitás eredete hálózatokban, serkentés és gátlás egyensúlya. Watch this intro video! Diák itt. Feladat: Coding/Networks.Rmd (UB)

    Biofizikai alapok

  • okt. 12.: Konduktancia alapú modellek: membrán-, reverzál-, egyensúlyi-, nyugalmi és Nernst potenciál, akciós potenciál, ion csatornák, kapuváltozók, serkenthetőség, Hogkin-Huxley modell, időállandó, időskálák szétválasztása Diák itt Feladat itt: 21_HH.ipynb (SZ).
  • okt. 19.: Egyszerűsített modellek: dinamikus rendszerek analízise: fázis-tér, attraktor, bifurkáció, időskálák szétválasztása, FitzHugh-Nagumo modell Diák itt. Feladat: 22_LIF.ipynb (SZ).
  • okt. 26.: Őszi szünet.
  • nov. 2.: Jelintegráció és jelterjedés az idegsejtekben: szinapszis, szinaptikus potenciál, szaturáció, dendritek, kábel egyenlet Diák itt. Feladat: adex.ipynb (SZ)
  • nov 9.: integrátor, rezonátor, IF és LIF modellek, ráta modell, MCP neuron Diák itt. Feladat: Biophys/IF_demo.Rmd (SZ)

    Hálózatok, Plaszticitás, adaptáció, tanulás

  • nov. 16: Szinapszis és a szinaptikus plaszticitás biofizikája, Hebbian plasticity. Feladat: SynapseLearning/Reliability.Rmd (OG)
  • nov. 23: Supervised learning, perceptron. Feladat: SynapseLearning/Perceptron.Rmd (OG)
  • nov. 30: Reinforcement learning, temporal difference learning, eligibility trace, exploration vs. exploitation, value function, Bellman egyenlet (OG)
  • dec. 7: Tanulás tanító nélkül: PCA és dimenzió redukciós módszerek populációs aktivitáshoz, Brain-machine interface dimenzió redukció segítségével; tanító nélküli hibajavítás. Diák itt. (OG)
  • dec. 14: Memória és a hippokampusz. Hippokampusz és epizódikus memória, HM, attraktor, cell-assembly, Hopfield hálózat. (SZ) diák. Feladat: Hippocampus/Hopfield.Rmd

    Jegyzetek

  • Hasznos, de nem teljes jegyzet (SZ)
  • Biofizika (UB)
  • Régebbi diák és jegyzet. (Péter Érdi and others)
  • selected chapters from Pléh Csaba - Kovács Gyula - Gulyás Balázs (szerk): Kognitív idegtudomány. Osiris, Budapest
    Érdi Péter - Lengyel Máté: Matematikai modellek az idegrendszer-kutatásban. p 126-148.
    Fiser József - Nádasdy Zoltán: Neurális kódolás térben és időben. p 171-201
    Nádasdy Zoltán - Fiser József: A tanulás biológiai és mesterséges neurális hálói p 389
    Káli Szabolcs - Acsády László: A hippocampusfüggő memória neurobiológiai alapjai p 359

    2019/20. ősz

    Tanterv:

      Biofizikai alapok

    • szept. 9: Idegi ingerlékenység: bevezetés, bottom-up és top-down modellek, az agy és a számítógép összehasonlítása Diák itt Feladat: Biophys/ions_demo.Rmd (SZ).
    • szept 16: Konduktancia alapú modellek: membrán-, reverzál-, egyensúlyi-, nyugalmi és Nernst potenciál, akciós potenciál, ion csatornák, kapuváltozók, serkenthetőség, Hogkin-Huxley modell, időállandó, időskálák szétválasztása. Diák itt. Feladat: Biophys/HH_demo.Rmd (SZ).
    • szept 23: Jelintegráció és jelterjedés az idegsejtekben: szinapszis, szinaptikus potenciál, szaturáció, dendritek, kábel egyenlet Diák itt. Feladat: dia, 14. oldal. (UB)
    • szept. 30: Egyszerű modellek: dinamikus rendszerek analízise: fázis-tér, attraktor, bifurkáció, időskálák szétválasztása, integrátor, rezonátor, IF és LIF modellek, ráta modell, MCP neuron Diák itt. Feladat: Biophys/IF_demo.Rmd (UB)

      A neurális kód

    • okt. 7: Neuron hálózatok: előrecsatolt és visszacsatolt hálózat, súlymátrix, linárizáció, ráta modell, sajátvektor, amplifikáció, EI-hálózatok, nem-normális súlymátrix, tranziens dinamika, variabilitás eredete hálózatokban, serkentés és gátlás egyensúlya Diák itt. Feladat: Coding/Networks.Rmd (UB)
    • okt. 14: Hatékony kódolás a szenzoros rendszerekben. A neurális variabilitás eredete: input vagy output, GIF vs. GLM, kódolás, receptív mező, optimális kódolás: entropia, kölcsönös információ Diák itt. Feladat: Coding/Coding_demo.Rmd (OG)
    • okt. 21: Dekódolás: Bayes szabály, dekódolás, diszkrimináció, szenzitivitás, choice probability, Fisher information (OG). Diák itt. Feladat: Coding/Decoding_demo.Rmd
    • okt. 28: őszi szünet

      Hálózatok, Plaszticitás, adaptáció, tanulás

    • nov. 4: Szinapszis és a szinaptikus plaszticitás biofizikája, Hebbian plasticity. Feladat: SynapseLearning/Reliability.Rmd (UB)
    • nov. 11: Supervised learning, perceptron. Feladat: SynapseLearning/Perceptron.Rmd
    • nov. 18: Reinforcement learning, temporal difference learning, eligibility trace, exploration vs. exploitation, value function, Bellman egyenlet (OG)
    • nov. 25: Tanulás tanító nélkül: PCA és dimenzió redukciós módszerek populációs aktivitáshoz, Brain-machine interface dimenzió redukció segítségével; tanító nélküli hibajavítás. Diák itt és itt. (OG)

      Navigáció és a hippoccampus

    • dec. 2: Memória és a hippokampusz. Hippokampusz és epizódikus memória, HM, attraktor, cell-assembly, Hopfield hálózat. (SZ) diák. Feladat: Hippocampus/Hopfield.Rmd
    • dec. 9: Navigáció, megerősítéses tanulás és hippokampus. A hippokampusz felépítése, hely sejtek, navigáció és tervezés elmélete és kísérleti adatok: megerősítéses tanulás, aktor és kritik, TD-learning, value-function, prediction error, kitekintés: prediction error és dopamin kapcsolata, szekvenciák a hippokampuszban: theta és SPW alatt, predikció és tervezés (UB) link. Feladat: Hippocampus/Replay.Rmd, PlaceCells.Rmd


      2018/19. ősz

    Tanterv:

      Biofizikai alapok

    • szept. 10: Idegi ingerlékenység: bevezetés, bottom-up és top-down modellek, az agy és a számítógép összehasonlítása Diák itt Feladat: Biophys/ions_demo.Rmd (SZ).
    • szept 17: Konduktancia alapú modellek: membrán-, reverzál-, egyensúlyi-, nyugalmi és Nernst potenciál, akciós potenciál, ion csatornák, kapuváltozók, serkenthetőség, Hogkin-Huxley modell, időállandó, időskálák szétválasztása. Diák itt. Feladat: Biophys/HH_demo.Rmd (UB).
    • szept 24: Jelintegráció és jelterjedés az idegsejtekben: szinapszis, szinaptikus potenciál, szaturáció, dendritek, kábel egyenlet Diák itt. Feladat: dia, 14. oldal. (UB)
    • okt. 1: Egyszerű modellek: dinamikus rendszerek analízise: fázis-tér, attraktor, bifurkáció, időskálák szétválasztása, integrátor, rezonátor, IF és LIF modellek, ráta modell, MCP neuron Diák itt. Feladat: Biophys/IF_demo.Rmd (SZ)

      A neurális kód

    • okt. 8: Hatékony kódolás a szenzoros rendszerekben. A neurális variabilitás eredete: input vagy output, GIF vs. GLM, kódolás, receptív mező, optimális kódolás: entropia, kölcsönös információ Diák itt. Feladat: Coding/Coding_demo.Rmd (UB)
    • okt. 15: Dekódolás: Bayes szabály, dekódolás, diszkrimináció, szenzitivitás, choice probability, Fisher information (OG). Diák itt
    • okt. 22: nemzeti ünnep
    • okt. 29: őszi szünet
    • nov. 5: Dekódolás: Bayes szabály, dekódolás, diszkrimináció, szenzitivitás, choice probability, Fisher information (OG). Diákat lásd az előző előadásnál. Feladat: Coding/Decoding_demo.Rmd

      Hálózatok, Plaszticitás, adaptáció, tanulás

    • nov. 12: Neuron hálózatok: előrecsatolt és visszacsatolt hálózat, súlymátrix, linárizáció, ráta modell, sajátvektor, amplifikáció, EI-hálózatok, nem-normális súlymátrix, tranziens dinamika, variabilitás eredete hálózatokban, serkentés és gátlás egyensúlya Diák itt. Feladat: Coding/Networks.Rmd (UB)
    • nov. 19: A szinaptikus plaszticitás biofizikája: szenzitizáció, habituácio, kondicionálás aplysia-ban, a tanulás molekuláris mechanizmusai. Tanulás tanítóval: hibajavítás, perceptron, backpropagation. Diák itt. (OG) Feladat: SynapseLearning/Reliability.Rmd
    • nov. 26: Tanulás tanító nélkül: Hebb szabály és PCA, dimenzió redukciós módszerek populációs aktivitáshoz, Brain-machine interface dimenzió redukció segítségével; tanító nélküli hibajavítás. Diák itt és itt. (OG) Feladat: SynapseLearning/Perceptron.Rmd

      Navigáció és a hippoccampus

    • dec. 3: Memória és a hippokampusz. Hippokampusz és epizódikus memória, HM, attraktor, cell-assembly, Hopfield hálózat. (SZ) diák. Feladat: Hippocampus/Hopfield.Rmd
    • dec. 10: Navigáció, megerősítéses tanulás és hippokampus. A hippokampusz felépítése, hely sejtek, navigáció és tervezés elmélete és kísérleti adatok: megerősítéses tanulás, aktor és kritik, TD-learning, value-function, prediction error, kitekintés: prediction error és dopamin kapcsolata, szekvenciák a hippokampuszban: theta és SPW alatt, predikció és tervezés (UB) link. Feladat: Hippocampus/Replay.Rmd, PlaceCells.Rmd


      2017/18. ősz

      Biofizikai alapok

    • szept. 11: Idegi ingerlékenység: bevezetés, bottom-up és top-down modellek, az agy és a számítógép összehasonlítása. Konduktancia alapú modellek: membrán-, reverzál-, egyensúlyi-, nyugalmi és Nernst potenciál, akciós potenciál, ion csatornák, kapuváltozók, serkenthetőség, Hogkin-Huxley modell, időállandó, időskálák szétválasztása (UB).
    • szept 18: Jelintegráció és jelterjedés az idegsejtekben: szinapszis, szinaptikus potenciál, szaturáció, dendritek, kábel egyenlet (UB).
    • szept. 25: Egyszerű modellek: dinamikus rendszerek analízise: fázis-tér, attraktor, bifurkáció, időskálák szétválasztása, integrátor, rezonátor, IF és LIF modellek, ráta modell, MCP neuron (SZ)

      A neurális kód

    • okt. 2: Hatékony kódolás a szenzoros rendszerekben. A neurális variabilitás eredete: input vagy output, GIF vs. GLM, kódolás, receptív mező, optimális kódolás: entropia, kölcsönös információ (UB)
    • okt. 9: Dekódolás: Bayes szabály, dekódolás, diszkrimináció, szenzitivitás, choice probability, Fisher information (OG).
    • okt. 16: Neuron hálózatok: előrecsatolt és visszacsatolt hálózat, súlymátrix, linárizáció, ráta modell, sajátvektor, amplifikáció, EI-hálózatok, nem-normális súlymátrix, tranziens dinamika, variabilitás eredete hálózatokban, serkentés és gátlás egyensúlya (UB)
    • okt. 23: nemzeti ünnep
    • okt. 31: őszi szünet

      Plaszticitás, adaptáció, tanulás

    • nov. 6: A szinaptikus plaszticitás biofizikája: szenzitizáció, habituácio, kondicionálás aplysia-ban, a tanulás molekuláris mechanizmusai (UB és OG).
    • nov. 13: Tanulás tanítóval: hibajavítás, perceptron, backpropagation (OG).
    • nov. 20: Tanulás tanító nélkül: Hebb szabály és PCA, dimenzió redukciós módszerek populációs aktivitáshoz, Brain-machine interface dimenzió redukció segítségével; tanító nélküli hibajavítás. Diákat lásd az előző alkalomnál. (OG)

      Navigáció és a hippoccampus

    • nov. 27: Memória és a hippokampusz. Hippokampusz és epizódikus memória, HM, attraktor, cell-assembly, Hopfield hálózat. (SZ)
    • dec. 4: Nobel díj 2014, kódolás és dekódolás hely-sejtekkel, hippokampusz felépítése. Út-integráció és a grid sejtek: út-integráció, periódikus határ-feltétel, zajtűrés, grid sejtek, hiba-javítás, kódolás grid sejtekkel, kínai maradékrendszer kód. (SZ)
    • dec. 11: Navigáció: megerősítéses tanulás, aktor és kritik, TD-learning, value-function, prediction error, kitekintés: prediction error és dopamin kapcsolata, szekvenciák a hippokampuszban: theta és SPW alatt, predikció és tervezés. (SZ)


      2016/17. ősz

      Tanterv:

      • szept. 12: Biológiai bevezető, modellek az idegtudományban (Somogyvári Zoltán). Diák itt és itt.
      • szept 19: Az idegi elektromos jelek keletkezése, egy Nobel-díjas elmélet (SZ) diák Az első feladat
      • szept. 26: Mi az ami igazán számít? Egyszerűsített idegsejt modellek (SZ) diák
      • okt. 3: Hogyan terjed az idegi jel? (SZ)
      • okt. 10: Információ kódolás és kódfejtés az idegrendszerben (UB) Diák itt .
      • okt. 17: Koordináció idegsejtek között (Ujfalussy Balázs). Diák itt .
      • okt. 24: Tanulás a hibáinkból (UB) Diák itt .
      • okt. 31: őszi szünet
      • nov. 7: Tanulás egy sejttel, felügyelt tanulás, diák (Orbán Gergő) Diák itt
      • nov. 14: Tanulás neuronhálózatban, tanító nélküli tanulás, diák (OG)
      • nov. 21: Stimulus-statisztika és tanulás kapcsolata, diák (OG)
      • nov. 28: Reprezentációs tanulás az idegrendszerben, diák (OG)
      • dec. 5: Egy komplex funkció modellezése: a navigáció diák (SZ)


        2015/16. ősz

        Feladatok:

        Tanterv:

        • szept. 7: Biológiai bevezető, modellek az idegtudományban (Somogyvári Zoltán). Diák itt és itt.
        • szept 14: Az idegi elektromos jelek keletkezése, egy Nobel-díjas elmélet (SZ) diák Az első feladat.
        • szept. 21: Mi az ami igazán számít? Egyszerűsített idegsejt modellek (SZ) diák
        • szept. 28: Hogyan terjed az idegi jel? (SZ)
        • okt. 5: Koordináció idegsejtek között (Ujfalussy Balázs). Diák itt .
        • okt. 12: Információ kódolás és kódfejtés az idegrendszerben (UB) Diák itt .
        • okt. 19: Tanulás a hibáinkból (UB) Diák itt .
        • okt. 26: őszi szünet
        • nov. 2: Tanulás egy sejttel, felügyelt tanulás, diák (Orbán Gergő)
        • nov. 9: Tanulás neuronhálózatban, tanító nélküli tanulás, diák (OG)
        • nov. 16: Stimulus-statisztika és tanulás kapcsolata, diák (OG)
        • nov. 23: Reprezentációs tanulás az idegrendszerben, diák (OG)
        • nov. 30: konzultáció
        • dec. 7: konzultáció


        2014/15. ősz

        Időpont: hétfő, 16:15-17:45
        Helyszín: LK-É-058
        Tárgykód: kv2n9o46

        • szept. 8: Biológiai bevezető (Somogyvári Zoltán)
        • szept 15: Modellek az idegtudományban (SZ)
        • szept. 22: Az akciós potenciál és a Hodgkin-Huxley modell, egyszerűsített egysejt-modellek (SZ)
        • szept. 29: Egyszerűsített és kiterjesztett egysejt-modellek (SZ)
        • okt. 6: Gyakorlat: HH- és kábelegyeneltek, hálózatok számítógépes szimulációja (Cserpán Dorottya)
        • okt. 13: A tanulás idegrendszeri modelljei (Bányai Mihály)
        • okt. 20: Megerősítéses tanulás, stratégiák tanulása az idegrendszerben (BM)
        • okt. 27: őszi szünet
        • nov. 3: A memória idegrendszeri modelljei (Gáspár Merse), jegyzet, cikk
        • nov. 10: Gyakorlat: tanulórendszerek számítógépes szimulációja (GM)
        • nov. 17: Kódolás az iderendszerben (Orbán Gergő)
        • nov. 24: A neurális kód értelmezése (OG)
        • dec. 1: Reprezentációs tanulás az idegrendszerben (OG)


        2013/14. ősz

        Időpont: hétfő, 16:15-17:45
        Helyszín: Kémia épület 059
        Tárgykód: kv2n9o46

        • szept. 16: Modellek az idegtudományban, biológiai bevezető, diák itt és itt.
        • szept. 23: Az akciós potenciál és a Hodgkin-Huxley modell, egyszerűsített egysejt-modellek (Somogyvári Zoltán diák itt )
        • szept. 30: Egyszerűsített egysejt-modellek, a diák itt (SZ)
        • okt. 7: Térben kiterjesztett egysejt-modellek, szinapszismodellek, a diák itt (SZ)
        • okt. 14: Gyakorlat: HH- és kábelegyeneltek, hálózatok számítógépes szimulációja (Cserpán Dorottya diák itt és itt )
        • okt. 21: A tanulás idegrendszeri modelljei (Bányai Mihály, diák itt)
        • okt. 28: őszi szünet
        • nov. 4: Megerősítéses tanulás, stratégiák tanulása az idegrendszerben (BM, diák itt)
        • nov. 11: A memória idegrendszeri modelljei (BM, diák itt)
        • nov. 18: Gyakorlat: tanulórendszerek számítógépes szimulációja (CSD. vázlat itt)
        • nov. 25: Kódolás az iderendszerben (Orbán Gergő)
        • dec. 2: A neurális kód értelmezése (OG)
        • dec. 9: Reprezentációs tanulás az idegrendszerben (OG)

        Ajánlott olvasmány: P. Dayan & L. Abbott: Theoretical Neuroscience
        Perceptron applet
        Előrecsatolt háló applet
        Hopfield háló applet
        Boltzmann gép videó



        2012/13. ősz

        • szept. 10: Modellek az idegtudományban, biológiai bevezető (Bányai Mihály) diák itt
        • szept. 17: Az akciós potenciál és a Hodgkin-Huxley modell (Somogyvári Zoltán) diák itt
        • szept. 24: Egyszerűsített egysejt-modellek (SZ) diák itt
        • okt. 1: Térben kiterjesztett egysejt-modellek, szinapszismodellek (SZ) diák itt
        • okt. 8: Összetett egysejt-modellezés NEURON szimulációs környezetben (Cserpán Dorottya)
        • okt. 15: Elektrofiziológiai és mikroszkópikus kísérletek és adatelemzés, agy-gép interfészek (SZ) diák itt
        • okt. 22: ez feltehetően munkaszüneti nap lesz
        • okt. 29: őszi szünet
        • nov. 5: fMRI kísérletek és adatelemzés (BM) Fóliák itt.
        • nov. 12: A tanulás idegrendszeri modelljei (BM) Fóliák itt.
        • nov. 19: A memória idegrendszeri modelljei (BM) Fóliák itt.
        • nov. 26: Megerősítéses tanulás, stratégiák tanulása az idegrendszerben (BM) Fóliák itt.
        • dec. 3: Neuronhálózat modellezése számítógépes szimulációs környezetben (CSD)
        • dec. 10: A térbeli navigáció biológiai alapjai, modellek működés közben: helysejtek és gridsejtek (SZ) Fóliák itt.


        2011/12. ősz

        • szept. 19: Modellek az idegtudományban (Érdi Péter)
        • szept. 26: Biológiai bevezető (Somogyvári Zoltán) Az előadás fóliái megtalálhatóak itt .
        • okt. 3: Az akciós potenciál és a Hodgkin-Huxley modell (Zalányi László)
        • okt. 10: Egyszerűsített egysejt-modellek (ZL)
        • okt. 17: Térben kiterjesztett egysejt-modellek és NEURON szimulációs környezet (ZL)
        • okt. 24: Idegrendszeri betegségek (Szalisznyó Krisztina). Fóliák itt .
        • okt. 31: munkaszüneti nap
        • nov. 7.: Elektrofiziológiai és mikroszkópikus kísérletek és adatelemzés (SZ) Az előadás fóliái megtalálhatóak itt .
        • nov. 14: fMRI kísérletek és adatelemzés (Bányai Mihály). Fóliák itt.
        • nov. 21: Agy-gép interfészek (SZ)
        • nov. 28: A tanulás idegrendszeri modelljei (BM). Fóliák itt.
        • dec. 5: A memória idegrendszeri modelljei (BM). Fóliák itt.
        • dec. 12: A térbeli navigáció biológiai alapjai, modellek működés közben: helysejtek és gridsejtek (SZ)


        2010/11. tavasz

        • feb. 14: Biofizikai alapok: idegi ingerlékenység, nyugalmi potenciál, akciós potenciál. (Ujfalussy Balázs) Jegyzet és a fóliák az egysejtmodellek című órához.
        • feb. 21: Idegi jelfeldolgozás 1.: integráció időben, az idegsejt mint dinamikai rendszer. Fázistér, attraktorok, bifurkációk fóliák itt és itt (Somogyvári Zoltán)
        • feb. 28: Idegi jelfeldolgozás 2.: térbeli integráció, kábelegyenlet (SZ)
        • marc. 7.: Ablakok az agyra: kísérleti módszerek (SZ) fóliák itt.
        • marc. 14., 21.: Információ-kódolás az idegrendszerben. Az idegsejtek tüzelési mintázatai, sztochasztikus modellek. Független vagy korrelációs kód. Kódfejtés. (UB) Az előadás fóliái megtalálhatóak itt és itt.
        • marc. 28.: Tanulás az idegrendszerben: supervised, unsupervised és reinforcement learning. Hebb-szabály, delta-szabály, perceptron. (Bányai Mihály, fóliák itt.)
        • apr. 4.: Memóriamodellek: rövid- és hosszútávú, Hopfield-hálózat, Boltzmann-gép (slideok itt). Oszcillációk: keletkezésük és funkciójuk (slideok itt). (BM)
        • apr. 11., 18.: Idegrendszeri betegségek (Szalisznyó Krisztina) A betegségekhez kapcsolódó fóliák megtalálhatóak itt, itt és még itt is. Az órához kapcsolódi cikkek: Rolls et al., 2008; Grillner et al, 2005, Frank et al., 2007, és még Allene et al., 2008 is.
        • apr. 25.: Húsvéthétfő
        • maj. 2.: Generatív modellek: amikor az agy épít modellt a külvilágról. vázlat (UB)
        • maj. 9.: A térbeli navigáció biológiai alapjai: modellek működés közben: helysejtek és gridsejtek. navigációs (SZ)

        Egy példa vizsgasor-részlet található itt és itt is.



        2009/10. ősz

        A 2009/10-as tanév I. félévében az idegrendszeri modellezés órát tömbösítve, négy alkalommal tartottuk a KFKI Kampuszon. A kurzus tematikája itt található.



        Általános anyagok

        Korábbi előadásaink összegyűjtött fóliái (18 Mb)

        Egyik évben ezekből a cikkekből lehetett választani a hallgatóknak önálló feldolgozásra: