Széchenyi Terv Plusz | Magyarország Kormánya. Az Európai Unió finanszírozásával. NextGeneration EU.

EN HU
  • Felfedezés
    • Hírek
    • Események
  • Kutatási területek
  • Anyagok
    • Publikációk
    • Letöltések
    • Kiadvány
  • Rólunk
  • Partnerek
  1. Címlap

Ujfalussy Balázs

HUN-REN Kísérleti Orvostudományi Intézet

Ujfalussy Balázs 2005-ben szerzett biológus diplomát az Eötvös Loránd Tudományegyetem biológia szakán, neurobiológia szakirányon. Az egyetemi évek alatt kezdett érdeklődni az elméleti idegtudomány irányánt és csatlakozott Érdi Péter csoportjához ahol a szepto-hippokampális rendszer modellezésével foglalkozott. Az ELTÉn szerzett PhD fokozatot 2010-ben Idegtudományokból, doktori évei alatt a hippokampális piramissejtek helyreprezentációjának kialakulását és a komputációs szerepét vizsgálta. 2011-ben csatlakozott Lengyel Máté kutatócsoportjához a Cambridge-i Egyetemen ahol posztdoktori kutatóként Bayesiánus statisztikát tanult és a dendritikus nemlinearitások komputációs szerepét vizsgálta. 2014-ben Tiago Branco-val az MRC Laboratory of Molecular Biology-ban a dendritikus integráció statisztikai modelljén kezdett dolgozni. 2015-ben tért vissza Magyarországra Makara Judit csoportjába MTA posztdoktori kutatóként, ahol modellek és adatelemzés segítségével igyekszik megérteni, hogy az idegsejtek biofizikai jellegzetességei miként járulnak hozzá a hálózati számításokhoz és a viselkedéshez.

  • Homepage
  • Google Scholar
  • MTMT

Kiemelt publikációk

  • BB Ujfalussy, JK Makara: Impact of functional synapse clusters on neuronal response selectivity. Nature Comm. 11 (1), 1-14, 2020;
  • L Vágó, BB Ujfalussy: Robust and efficient coding with grid cells. PLoS Computational Biology 14 (1), e1005922, 2018;
  • BB Ujfalussy, JK Makara, M Lengyel, T Branco: Global and multiplexed dendritic com- putations under in vivo-like conditions. Neuron 100 (3), 579-592. e5, 2018;
  • BB Ujfalussy, T Branco, JK Makara and M Lengyel: Dendritic nonlinearities are tuned for efficient spike-based computations in cortical circuits. eLife 2015;4:e10056. 2015.

Become a partner

Iratkozzon fel hírlevelünkre!

Legyen partnerünk!

Felfedezés

  • Hírek
  • Események
  • Publikációk
  • Letöltések
  • Partnerek

Kutatási területek

  • Az MI alapjai
  • Biztonság és személyes adatok védelme
  • Gépi látás és érzékelés
  • Gépi tanuláson alapuló intelligens gyártás, logisztika, távközés IoT megoldások fejlesztése
  • Nyelvtechnológia fejlesztése
  • Orvosi, egészségügyi alkalmazások

Kapcsolat

1111 Budapest,
Kende u. 13-17.

+36 1 279 6000

milab@sztaki.hun-ren.hu

© 2020-2021 Artifical Intelligence National Laboratory, Budapest