Programa

Día 1

Teórica: Introducción general al curso. ¿Qué es una neurona? Modelo de McCulloch-Pitts. El perceptrón: aprendizaje y limitaciones. Redes de neuronas en multicapas. Aprendizaje basado en la retropropagación de errores. Teoría termodinámica del aprendizaje y la emergencia de generalización.
Práctica: Completar algunas derivaciones teóricas de la mañana. Muestreo: ¿cuáles son los intereses de los alumnos? Listar problemas en los cuales los métodos a discutir a lo largo del curso son de utilidad.

Teórica: Medición simultánea de la actividad de muchas neuronas. Redes de neuronas; códigos de población. Reducción de dimensionalidad: modos neuronales, modelos generativos. Métodos lineales para la reducción de dimensionalidad, en forma directa y como modelos generativos: Singular Value Decomposition (SVD), Principal Component Analysis (PCA), Probabilistic Principal Component Analysis (PPCA), Factor Analysis (FA), demixed Principal Component Analysis (dPCA), Parallel Analysis (PA).
Práctica: aplicación de estas técnicas a bases de datos provistas por el curso. Estas bases de datos contienen la actividad de grupos de neuronas medidas simultáneamente durante la ejecución de tareas específicas.

Teórica: Método para incorporar puntos con distancias mutuas preestablecidas en un espacio euclídeo: Multi Dimensional Scaling (MDS). Métodos no lineales para reducción de dimensionalidad: ISOMAP, Autoencoders, UMAP, TSNE. Ventajas y desventajas comparativas de estos métodos.
Práctica: Aplicación de estas técnicas a bases de datos provistas por el curso. Estas bases de dato contienen la actividad de grupos de neuronas medidas simultáneamente durante la ejecución de tareas específicas.

Teórica: la dinámica de poblaciones de neuronas. Redes recurrentes. Modelos lineales generalizados: Generalized Linear Models (GLMs). Relación con los procesos de Markov y los filtros de Kalman.
Práctica: Discusión en grupos de artículos recientes que utilizan las técnicas discutidas en las teóricas 2, 3, y 4. Los artículos serán seleccionados a partir de una lista provista por el curso; la selección estará guiada por los intereses de cada grupo.

Día 5 – Teórica: Variedades geométricas de baja dimensión. Relevancia a la actividad de poblaciones de neuronas. Ejemplos en la generación de comandos de control motor, el procesamiento de estímulos sensoriales, la estabilización de memorias de trabajo.
Prácticas: presentación de los artículos discutidos por cada grupo el día anterior. Una discusión general seguirá cada presentación.