↓ Aller au contenu
  1. Publications/

Dynamic causal modelling in probabilistic programming languages

Journal of The Royal Society Interface · 2025

DOI: 10.1098/rsif.2024.0880

Auteurs

Baldy N, Woodman M, Jirsa VK, Hashemi M

Les auteurs en lien sont membres de l’INS.

Équipes de recherche

TNG

Résumé

Implémentation de l'inférence bayésienne pour le Dynamic Causal Modelling dans des langages de programmation probabilistes, permettant d'estimer les états latents d'un système cérébral stimulé.

Implémentation de l’inférence bayésienne pour le Dynamic Causal Modelling dans des langages de programmation probabilistes, permettant d’estimer les états latents d’un système cérébral stimulé.

Lire l’article