Insegnamento a scelta per la Laurea Magistrale in Physics of Complex Systems, collocato al I pd del I anno. In questo insegnamento, che può essere scelto in alternativa ad Applied Probability and Stochastic Processes, vengono presentati gli elementi di base delle neuroscienze computazionali: modelli di neuroni, di apprendimento, di memoria e di computazione, e loro applicazioni alla descrizione di alcuni fondamentali sottosistemi neurali.

Lo studente deve acquisire una conoscenza approfondita degli elementi di base delle neuroscienze computazionali, in particolare dei modelli basilari di neuroni, di apprendimento, di memoria e di computazione. Deve inoltre imparare ad applicare questi modelli alla descrizione di alcuni fondamentali sottosistemi neurali.

Neuroni singoli, modelli e computazione. Apprendimento per rinforzo.
Rappresentazioni distribuite. Plasticità sinaptica. Memorie associative.
Analisi statistica del modello di Hopfield e di modelli affini.
Computazione basata sulla geometria: retina, gangli basali, cervelletto.
Geometrie avanzate e memoria: ippocampo e corteccia.

I testi, scelti tra quelli elencati, saranno comunicati a lezione dal docente titolare dell'insegnamento'


Daniel Amit, Modeling Brain Function (Cambridge UP, 1989)
ET Rolls & A Treves, Neural Networks and Brain Function (Oxford UP, 1998)

L'esame consisterà in una prova orale sul programma del corso, o in alternativa nella discussione di un approfondimento svolto dallo studente su un argomento inerente il programma.