| 1 |
منبع |
|
| 2 |
منبع |
|
| 3 |
منبع |
|
| 4 |
منبع |
|
| 5 |
منبع |
|
| 6 |
منبع |
|
| 7 |
منبع |
|
| 8 |
منبع |
|
| 9 |
منبع |
|
| 10 |
منبع |
|
| 11 |
منبع |
|
| 12 |
منبع |
|
| 13 |
منبع |
|
| 14 |
منبع |
|
| 15 |
منبع |
|
| 16 |
منبع |
|
| 17 |
منبع |
|
| 18 |
منبع |
|
| 19 |
منبع |
|
| 20 |
منبع |
|
| 21 |
منبع |
|
| 22 |
منبع |
|
| 23 |
منبع |
|
| 24 |
منبع |
|
| 25 |
منبع |
|
| 26 |
منبع |
|
| 27 |
منبع |
|
| 28 |
منبع |
|
| 29 |
نحوه ارزشیابی |
آزمون پایان‌ترم : 10 نمره
آزمون میان‌ترم : 4 نمره
فعالیت کلاسی : 1 نمره
تمرین : 5 نمره
تمرین اضافی : 2 نمره |
| 30 |
جایگاه درس در برنامه درسی دوره |
نوروفیزیک یک گرایش بین رشته ای جهت بررسی سیستم عصبی با رویکرد ریاضی و فیزیک می باشد. از آنجاییکه نورون ها به صورت الکتریکی عمل می کنند، جهت بررسی قوانین حاکم بر نورونها به مبانی الکتروستاتیک و همچنین الکترودفیوژن نیاز داریم. لذا از پیش نیاز های این درس، دروس الکترومغناطیس و فیزیک می باشد. به علاوه در این درس با مدل های ساده ی محاسباتی برای توصیف رفتار نورون ها آشنا خواهیم شد که در این قسمت نیازمند به کاربرد مفاهیم پایه ی ریاضیات و مفاهیم ریاضی مهندسی هستیم. |
| 31 |
هدف کلی |
در این درس با مفاهیم اصلی فیزیک حاکم بر سیستم عصبی آشنا خواهیم شد. نورونها به صورت الکتریکی عمل می کنند و فعالیت شبکه ی نورونی باعث جابه جایی یونها و ایجاد چشمه و چاه های جریان شده و ریتم های مختلف مغزی را در سیگنال های مغزی مانند EEG ایجاد می کند. در این درس با ساز و کار فعالیت نورونها و ریتم های مغزی آشنا می شویم و نحوه ی اثر تحریکات الکتریکی مغز را مورد مطالعه قرار می دهیم. |
| 32 |
شایستگی های پایه |
شرکت منظم و فعال در کلاس و تحویل به موقع تمرین و پروژه های درس. |
| 33 |
اهداف یادگیری |
اهداف یادگیری بر اساس سرفصل تعیین شده می باشد. به علاوه انتظار می رود که دانشجویان با انجام پروژه های درس با نرم افزارهای مرتبط و روشهای شبیه سازی و مدلسازی نیز به صورت عملی آشنا شوند. |
| 34 |
روش تدریس |
استفاده از تخته، اسلاید و نرم افزارهای شبیه ساز مانند کامسول و نورون |
| 35 |
وظایف دانشجو |
شرکت منظم و فعال در کلاس و تحویل به موقع تمرین و پروژه های درس. |
| 36 |
منبع |
Electric Brain
Signals
Foundations and Applications
of Biophysical Modeling
GEIR HALNES
Norwegian University of Life Sciences
TORBJØRN V. NESS
Norwegian University of Life Sciences
SOLVEIG NÆSS
University of Oslo
ESPEN HAGEN
University of Oslo and Norwegian University of Life Sciences
KLAS H. PETTERSEN
NORA – The Norwegian Artificial Intelligence Research Consortium
GAUTE T. EINEVOLL
Norwegian University of Life Sciences and University of Oslo |
