обобщённые линейные моделиуравнения Ходжкина—Хакслимодель Хопфилдавычислительная нейронаукатеоретическая нейронаука
Figures from the paper
Abstract (AI)
Что происходит в нашем мозге, когда мы принимаем решение? Что заставляет нейрон посылать сигнал? Что представляет собой нейронный код? Этот учебник для студентов старших курсов и начинающих аспирантов представляет собой подробное и современное введение в вычислительную и теоретическую нейронауку. В нем рассматриваются классические темы, включая уравнения Ходжкина—Хаксли и модель Хопфилда, а также современные направления, такие как обобщенные линейные модели и теория принятия решений. Понятия вводятся с помощью четких пошаговых объяснений, доступных читателям, обладающим лишь базовыми знаниями дифференциальных уравнений и теории вероятностей, и подробно иллюстрируются рисунками и разобранными примерами. Резюме в конце каждой главы и проверенные в учебном процессе упражнения делают книгу идеальной для использования в учебных курсах и самостоятельного изучения. Авторы также приводят ссылки на научную литературу и обширную библиографию, которые будут чрезвычайно полезны читателям, заинтересованным в дальнейшем изучении предмета.
Key Findings
1
Охватывает классические модели, включая уравнения Ходжкина—Хаксли и модель Хопфилда, а также современные методы, такие как обобщённые линейные модели и теория принятия решений.
2
Пошагово объясняет принятие решений мозгом, генерацию нейронных сигналов и нейронное кодирование, требуя лишь базовых знаний дифференциальных уравнений и теории вероятностей.
3
Содержит иллюстрации, разобранные примеры, итоговые материалы по главам, проверенные в учебных курсах упражнения, указатели литературы и обширную библиографию для обучения и самостоятельного изучения.
4
Предлагает современное введение в вычислительную и теоретическую нейронауку для студентов старших курсов и начинающих аспирантов.
Research Object
Динамика нейронов и мозга
Research Subject
Вычислительные и теоретические механизмы передачи нейронных сигналов, нейронного кодирования, динамики нейронных сетей и принятия решений
Publication Details
Publication Date
2014-07-24
Journal
Publisher
ISSN
Cited by
1548
Access Type
Author Information
Download PDF
Subscribe to digest
Работы, цитирующие эту статью3
Обучение спайковых нейронных сетей с использованием достижений глубокого обучения2023
Имитация высвобождения нейромедиаторов в химических синапсах посредством управления гистерезисом в транзисторах на основе MoS₂2017
Спайковая нейронная сеть, интегрированная с нейроном на основе полевого транзистора с ударной ионизацией и синапсом на основе сегнетоэлектрического полевого транзистора2024