Metody strojového učení v počítačové neurovědě
| Název práce v češtině: | Metody strojového učení v počítačové neurovědě |
|---|---|
| Název v anglickém jazyce: | Machine learning methods in computational neuroscience |
| Klíčová slova: | strojove uceni|neuroveda |
| Klíčová slova anglicky: | machine learning|neuroscience |
| Akademický rok vypsání: | 2023/2024 |
| Typ práce: | disertační práce |
| Jazyk práce: | |
| Ústav: | Katedra aplikované matematiky (32-KAM) |
| Vedoucí / školitel: | Mgr. Martin Schmid, Ph.D. |
| Řešitel: | |
| Konzultanti: | Mgr. Ján Antolík, Ph.D. |
| doc. RNDr. Martin Balko, Ph.D. | |
| Zásady pro vypracování |
| The goal is to investigate the application of machine learning methods for imperfect information environments in various domains such as computational neuroscience. In particular, to explore and develop methods that could be used for development of future visual prosthetic systems.
|
| Seznam odborné literatury |
| Antolík, J., Monier, C., Frégnac, Y. & Davison, A. P. A comprehensive data-driven model of cat primary visual cortex. bioRxiv 416156–416156 (2018) doi:10.1101/416156.
Borda, E. & Ghezzi, D. Advances in visual prostheses: engineering and biological challenges. Prog. Biomed. Eng. 4, 032003 (2022). Brown, N., Bakhtin, A., Lerer, A., and Gong, Q. Combining deep reinforcement learning and search for imperfect-information games. Advances in Neural Information Processing Systems 33 (2020), 17057–17069. |