La neurociencia computacional permite comprender el desarrollo y la función de sistemas nerviosos en muchas escalas estructurales diferentes, desde la biofísica a los circuitos y los niveles de sistemas integrados. Para ello se recurre a métodos que incluyen el análisis teórico y el modelado de neuronas, redes y sistemas cerebrales. Estos métodos se complementan con las técnicas empíricas en neurociencia. Se aborda el estudio de los mecanismos computacionales en neuronas, el análisis de procesamiento de señales en circuitos neuronales, la representación de información sensorial, el estudio de los modelos de sistemas de integración sensorial y motora, y los modelos de aprendizaje y memoria. Finalmente, se abordará la neurocomputación en la frontera de la ciencia y la ingeniería, integrando modelos de representación y teoría de control.
Contenido del curso.
1. Modelo neuronal y del potencial de acción (spikes)
2. Análisis de las series de spikes: visualización y descripción estadística
3. Conexiones entre neuronas y redes neuronales
4. Modelos basados en conductancia
5. Acoplamiento frecuencial en LFPs
6. Dinámicas de las redes neuronales
7. Plasticidad sináptica
8. Dinámicas de sistemas
9. Técnicas de análisis: PCA, Hidden Markov, etc