Fundamentals of Computational Neuroscience [Paperback]

activity  algorithms  areas  attractor  average  between  brain  called  case  cell  change  channels  chapter  connections  constant  current  data  different  discussed  distribution  dynamics  eqn  equation  example  feature  fig  firing  form  function  given  hebbian  however  important  include  information  input  large  layer  learning  line  mapping  matlab  matrix  mechanisms  memory  methods  models  network  neural  neurons  nodes  noise  number  object  often  output  particular  pattern  point  population  possible  postsynaptic  potential  presynaptic  probability  processes  program  random  rate  represent  representation  response  results  rule  see  set  shown  signal  simulations  single  small  specific  spike  state  step  stimulus  synapses  synaptic  system  term  therefore  time  training  trains  two  used  values  vector  visual  weight