Introduction to Computational Neuroscience
Einführung in Computational Neuroscience
6 LPunregelmäßigDEwird nicht mehr angeboten
Voraussetzungen
Empfohlen, im Wortlaut
Kenntnis des Stoffes der Module • 11112 : Mathematik IT-1 (Diskrete Mathematik) • 11113 : Mathematik IT-2 (Lineare Algebra) • 11213 : Mathematik IT-3 (Analysis) • 11756 : Algorithmen und Datenstrukturen, oder 12101 : Algorithmieren und Programmieren
Inhalte
Die Vorlesung zeigt anhand von Beispielen das methodische Vorgehen bei der Analyse und Modellierung von Neuronen und neuronalen Systemen. Behandelte Themen Spiking-Neurone, Ruhemembranpotential, Ionenkanäle, Aktionspotential, Hodgkin-Huxley-Modell, Phasenebenenanalyse, Integrate-and-Fire-Modell, synaptische Übertragung, synaptische Plastizität,Feuerrate bei Neuronen, neuronale Netze, Perzeptron, Hebbs Lernregel, Attraktor-Netzwerke.
Lernziele
Nach Abschluss des Moduls sind Studierende in der Lage, neuronale Systeme und Verhaltensleistungen zu verstehen, die Analyse und Modellierung von Neuronen zu bewerten und Modelle von Neuronen und neuronalen Netzwerken zu implementieren und zu analysieren.
Prüfungsleistung
Voraussetzung: • Erfolgreiche Absolvierung von ÜbungsaufgabenModulabschlussprüfung: • Klausur, 120 min. ODER • mündliche Prüfung, 30-45 min. In der ersten Lehrveranstaltung wird bekanntgegeben, ob die Prüfungsleistung in schriftlicher oder mündlicher Form zu erbringen ist.
Literatur (1)
- P. Dayan, L. Abbott, Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems (2005), MIT Press, ISBN 978-0262541855
Bemerkungen
• Studiengang Medizininformatik B.Sc.: Wahlpflichtmodul im Komplex „Medizininformatik" • Studiengang IMT B.Sc.: Wahlpflichtmodul in Komplex „Informatik" bei Studienrichtung „Kognitive Systeme" • Studiengang Informatik B.Sc.: Wahlpflichtmodul in Komplex „Praktische Informatik" (Niveaustufe 300)
Quelle: Modulbeschreibung der BTU · abgerufen 18.10.2026Original