| ش | ی | د | س | چ | پ | ج |
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
شبکه های عصبی نوری
یادگیری در سیستم های نوری
برنامه های کاربردی برای شبکه های عصبی نوری
مقیاس پذیری شبکه های عصبی نوری
ربات های خودمختار
ربات های ازدحامی
کنترل بازخورد
بسط ورودی های حسی
تصمیم گیری.
مدل های بیولوژیکی برای هوش مصنوعی
مبانی فیزیکی هوش بیولوژیکی
ترجمه مدل های بیولوژیکی به هوش مصنوعی
حرکت جمعی در جمعیت های بیولوژیکی
یادگیری ماشینی برای مطالعه مغز
روش های یادگیری ماشین برای تقسیم بندی تصویر
مدل های نظارت شده و بدون نظارت
تجزیه و تحلیل الگوی چند وکسلی
رویکردهای مدل سازی پیش بینی
هوش مصنوعی برای اتصال مغز
اندازه گیری فعالیت مغز و آناتومی در انسان و حیوانات
کانکتومیک ساختاری و عملکردی
ابزارهای نظری نمودار
خوشه ها و استخراج زیرشبکه
تکنیک های کاهش ابعاد برای شناسایی شبکه های مغزی
رابط های ماشین و مغز
تشخیص فعالیت مغز
دستگاه های لمسی
کنترل بازخورد از طریق امواج مغزی
محدودیت های هوش مصنوعی
"مشکل جعبه سیاه" یادگیری ماشین
تفسیرپذیری، توضیح پذیری و کمی سازی عدم قطعیت مدل های یادگیری ماشینی
قدرت تعمیم مدل های یادگیری ماشینی
انتخاب مدل
توسعه معیارهای عینی