Chair for Neuroimaging (Professorship)
Parent Units:Technische Universität Dresden (TUD)
German name: "Professur für Neuroimaging".
Contact
web: | https://tu-dresden.de/mn/psychologie/ni | |
email: | ||
phone: | +49 (0)351 463-43145 | |
fax: | +49 (0)351 463-43147 | |
postal address: | Technische Universität Dresden (TUD), Chair for Neuroimaging, 01062 Dresden, Germany | |
office address: | Technische Universität Dresden (TUD), Chair for Neuroimaging, Chemnitzer Str. 46b (Room 139), 01187 Dresden, Germany | |
partner: | Technische Universität Dresden |
Expertise
Unser Hauptaugenmerk liegt darauf, mathematische Modelle der Informationsverarbeitung im Gehirn zu entwickeln. Dazu nutzen wir zwei Ansätze:
- Computational cognitive neuroscience: Daten, die in den kognitiven Neurowissenschaften erhoben werden, werden typischerweise mit erstaunlich einfachen Modellen analysiert, zum Beispiel mit dem etablierten Drift-Diffusionsmodell. Unser Ziel ist es, Modelle zu entwickeln und zu etablieren, die neuste Fortschritte aus der Bayes'schen Wahrscheinlichkeitstheorie ausnutzen, um mehr Erkenntnisse zu gewinnen als es mit klassischen Methoden und Modellen möglich ist. Im Besonderen entwickeln wir Modelle für Entscheidungsfindung auf der Wahrnehmungsebene und für kognitive Kontrolle.
- Computational neuroscience: Neueste Forschungsergebnisse legen den Schluss nahe, dass das Gehirn den gleichen predictive coding Prinzipien auf allen Größenordnungen folgt: Dynamischer sensorischer Input wird als Sequenzen und Hierarchien von Abfolgen dargestellt. In unserer Forschung zielen wir darauf ab zu zeigen, dass das gleiche Kodierungsschema die experimentellen Daten in diversen Fachrichtungen (wie beispielsweise Entscheidungsfindung, zielgerichtetes Verhalten, olfaktorische Wahrnehmung bei Insekten, Vogelgesang, Funktion von Dendriten und Anatomie des Gehirns) erklären kann.
***********English***********
Our main research focus is on computational models for cognitive processes. We use two approaches:
-
Computational cognitive neuroscience: Cognitive neuroscience data are typically analysed using surprisingly simple models, e.g. the well-established drift-diffusion model. Our goal is to develop and establish models, which harness recent advances in Bayesian techniques and provide for more insight than classical methods of analysing both behavioural and neuroimaging data. Most of this work is currently done in perceptual decision making but will be applied to other research questions like other aspects of decision making and cognitive control.
-
Computational neuroscience: How can one use both theoretical and experimental insights from a microscopic level (single neurons and small neuronal populations) for modelling cognitive neuroscience data at the macroscopic level? Recent evidence suggests that the brain uses the same predictive coding principle at all levels: Dynamic sensory input is represented by sequences and hierarchy of sequences. In our work, we aim at showing how the same coding principle explains experimental data in research areas as diverse as decision making, goal-oriented action, insect olfaction, birdsong, dendritic function, and brain anatomy.
Affiliations
Parent Units
name |
type |
actions |
---|---|---|
Institut für Allgemeine Psychologie, Biopsychologie und Methoden der Psychologie | Institute | view |
Neuroimaging Centre (NIC) | Center | view |
Last Update
Last updated at: 2018-02-07 09:40