Neurociencias

El Instituto de Ingeniería Biomédica de la FIUBA informa que se encuentra abierta la inscripción al curso de complementación “Introducción a las neurociencias y teorías computacionales del aprendizaje: aplicación a máquinas inteligentes”, que comenzará a dictarse desde el 28 de septiembre hasta el 14 de diciembre de 18.00 a 21.00 en el Instituto de Biología y Medicina Experimental (IBYME), ubicado en Vuelta de Obligado 2490, de la CABA. El curso estará a cargo del Dr. Ing. B. Silvano Zanutto, director del Instituto de Ingeniería Biomédica y del Prof. Asociado Dr. Ing. Sergio Lew.

Informes e inscripción en:** iibm@fi.uba.ar

:: Programa

1.  Neurona y sinapsis

Introducción epistemológica al estudio de las funciones superiores del cerebro. Neurona y sinapsis. 

Circuito reflejo. Modelo formal de neurona y de sinapsis.

Codificación de señales neuronales. 

Formalización de la plasticidad sináptica. 

2.  Sistema nervioso periférico y central

2.1 Sistema nervioso periférico y central.

2.2 Organización de los sistemas simpático y parasimpático.

2.3 Función de distintas áreas del cerebro. 

3.  Sistemas sensitivo y motor

3.1 Sistema  sensitivo: visión, audición, tacto, olfato y gusto.

3.2 Sistema motor. 

3.3 Formación de respuestas localizadas por inhibición lateral.

3.4 Sistemas auto-organizados.

4.   Procesos cognitivos y motivacionales

4.1 Procesos cognitivos y motivacionales.

4.2 Sistema límbico. Atención. Modelos de motivación.

4.3 Bases neurobiológicas del aprendizaje y la memoria.

4.4 Aprendizaje Hebbiano.

4.5 Memoria direccionable por su contenido.

5. Introducción a la neuroingeniería

5.1 Procesamiento de registros electrofisiológicos

5.2 Spikesorting

5.3 Modelos fisiológicos

6.  Teorías del aprendizaje

6.1 Teoría del condicionamiento clásico. Modelo de Rescorla-Wagner

6.2 Análisis de las teorías del comportamiento aversivo.

6.3 Teoría del condicionamiento operante. 

6.4 Bases neurofisiólogas de la categorización preceptual y lógica. Aprendizaje de reglas.

6.5 Categorización y su papel en el estudio del lenguaje.

**7.  Aprendizaje en máquinas inteligentes **

7.1 Aprendizaje en robots condicionamiento operante.

7.2 Aprendizaje en robots para la evitación de obstáculos por mecanismos de condicionamiento operante.

7.3 Aprendizaje de mapas cognitivos en máquinas inteligentes a partir de claves visuales.

7.4 Control de robots para el aprendizaje de laberintos.

7.5 Aproximación evolutiva al estudio de la cooperación y su aplicación a robots.