جلسه 1: مقدمه‌ای بر درس، سرفصل‌ها و نحوه ارزیابی

جلسه 1: مقدمه‌ای بر درس، سرفصل‌ها و نحوه ارزیابی

جلسه 2: هوشمندی چیست؟

جلسه 3: مقدمه‌ای بر علوم اعصاب

جلسه 4: سیستم عصبی موجودات زنده

جلسه 5: نورون و عملکرد آن

جلسه 6: سیناپس و عملکرد آن

جلسه 7: مقدمه‌ای بر مدل‌سازی و سطوح مختلف آن

جلسه 8: دینامیک نورونی

جلسه 9: مدل‌سازی نورون

جلسه 10: غشای نورونی منفعل

جلسه 11: مدل نورونی LIF

جلسه 12: مدل نورونی LIF غیر‌خطی

جلسه 13: مدل نورونی LIF تطبیق‌پذیر

جلسه 14: مدل نورونی Hudgkin-Huxley

جلسه 15: جمعیت نورونی

جلسه 16: شبکه نورونی متوازن

جلسه 17: فرآیند‌های تصمیم‌گیری در مغز

جلسه 18: کدگذاری و کدگشایی فعالیت‌های نورونی

جلسه 19: شبکه‌های عصبی ضربه‌ای

جلسه 20: یادگیری و فرآیند‌های مربوط به آن در مغز

جلسه 21: یادگیری بدون ناظر و قوانین مربوط به آن

جلسه 22: یادگیری تقویتی و قوانین مربوط به آن

جلسه 23: گروه‌های نورونی چندزمانی

جلسه 24: سیستم بینایی در مغز

جلسه 25: شبکه و هسته خمیده جانبی

جلسه 26: عملکرد قشر بینایی مغز

جلسه 27: سطوح مختلف مدل‌سازی نواحی اولیه قشر بینایی

جلسه 28: الگوهای ارتباطی بین نورون‌ها در نواحی مختلف مغز

جلسه 29: مدل محاسباتی HMAX برای مسئله‌ی بازشناسی اشیاء

جلسه 30: مدل محاسباتی HMAX مبتی بر یادگیری و نورون‌های ضربه‌ای

جلسه 31: شبکه‌های عصبی ضربه‌ای کم‌عمق

جلسه 32: شبکه عصبی ضربه‌ای عمیق

جلسه 33: یادگیری تقویتی در شبکه عصبی ضربه‌ای کم‌عمق

جلسه 34: یادگیری تقویتی در شبکه عصبی ضربه‌ای عمیق