Konrad Kording
La nomination
Coresponsable de programme
Apprentissage automatique, apprentissage biologique
À Propos
Konrad Kording cherche à comprendre le cerveau en tant qu’appareil computationnel.
Il voit d’importantes limites dans la façon standard dont la neuroscience étudie le cerveau et dans le mode d’exploration de données neuronales visant à repérer des relations causales. L’apprentissage profond offre une autre façon de réfléchir au cerveau qui met l’accent sur des fonctions de coût, des algorithmes d’optimisation et des structures spécialisées. Afin d’examiner le cerveau à travers la lorgnette de l’apprentissage profond, le laboratoire de Kording utilise de façon large des méthodes d’analyse de données, y compris l’apprentissage automatique, pour poser des questions fondamentales.
Prix
- Prix de recherche transformatrice des NIH (R01)
- Professeur PIK, Université de la Pennsylvanie
Publications Pertinentes
- Glaser, J.I. et coll. « Machine learning for neural decoding. » arXiv:1708.00909 (2017–18).
- Vilares, I. et K.P. Kording. « Dopaminergic Medication Increases Reliance on Current Information in Parkinson's Disease. » Nature Human Behaviour 1 (2017).
- Saeb, S. et coll. « The need to approximate the use-case in clinical machine learning. » GigaScience 6, no 5:1–9.
- Jonas, E. et K.P. Kording. « Could a neuroscientist understand a microprocessor? » PLoS computational biology 13, no 1:e1005268.
- Glaser, J.I. et coll. « Population Coding Of Conditional Probability Distributions In Dorsal Premotor Cortex. » Nat Commun. 9 (2018).