神经信息学与计算神经科学【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

神经信息学与计算神经科学PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 计算神经科学的发展2

1.1 计算神经科学的发展现状2

1.1.1 计算神经科学的广泛影响2

1.1.2 计算神经科学的迅猛发展4

1.1.3 计算神经科学的应用方向4

1.2 有关计算神经科学的思考8

1.2.1 神经计算的基本单元9

1.2.2 计算神经科学研究中的还原论观点和动力学观点12

1.2.3 “人工脑”的研究14

1.3 意识研究的理论和实验进展24

1.3.1 意识研究的部分理论框架24

1.3.2 意识研究的实验进展33

第二章 神经信息处理的模型与应用48

2.1 神经信息的定量化研究与S空间编码48

2.1.1 稳定性和定量化分析48

2.1.2 S空间的引入51

2.1.3 对于“简并”的解释53

2.1.4 用S空间理论分析人工智能57

2.2 大脑皮层的背景活动60

2.2.1 Hilbert方法与电影画面假说60

2.2.2 静息态脑皮层的背景活动64

2.3 混沌边缘的神经元网络71

2.3.1 神经系统与动力学71

2.3.2 混沌边缘的神经元网络73

2.4 神经网络上的雪崩和功能连结组80

2.4.1 静息态80

2.4.2 神经雪崩82

2.4.3 脑神经系统处在混沌边缘91

2.4.4 脑功能连结组95

2.5 网络科学与大脑101

2.5.1 网络科学及国内外发展概况101

2.5.2 探索大脑“运转”奥秘之路102

2.5.3 大脑网络的构建方法和描述方式106

2.5.4 大脑皮层功能网络的研究进展109

第三章 计算方法在神经科学中的应用118

3.1 精神分裂症的计算神经模型118

3.1.1 精神分裂症简介118

3.1.2 维纳控制论对精神分裂症机制的推测119

3.1.3 精神分裂症的计算神经科学模型介绍120

3.1.4 对精神分裂症计算模型的思考122

3.2 神经信息流的耦合强度与方向129

3.2.1 网络流129

3.2.2 计算信息流方向的各种算法简介131

3.2.3 大鼠海马区信息流研究简介142

3.3 多通道神经元信号分析的基本方法151

3.3.1 神经元电信号的记录151

3.3.2 多通道神经元信号分析方法155

3.3.3 多通道神经元信号分析方法的选取、比较及研究展望178

3.4 脑电研究的几个新方向190

3.4.1 稀疏性与脑电逆问题191

3.4.2 脑电的零参考技术与脑网络研究194

3.4.3 脑电与功能性磁共振成像结合的新技术197

3.4.4 基于脑电的脑机交互202

3.5 人脑分类决策的神经机制210

3.5.1 fMRI信号的多维数据分析211

3.5.2 分类决策的神经机制212

3.5.3 分类规则的神经表征214

3.5.4 简单形状类别神经信号的区分性218

3.5.5 通过学习改变分类决策的规则221

第四章 神经动力学及突触可塑性230

4.1 神经元的兴奋动力学性质及其可塑性和调节230

4.1.1 自动兴奋神经元的兴奋动力学230

4.1.2 静息神经元在刺激作用下表现出的兴奋性类型233

4.1.3 在动力学神经元网络中引入节点兴奋性的调节和可塑性236

4.2 Hebbian突触修饰：学习和记忆的突触模型243

4.2.1 长时程突触可塑性的发现和特性244

4.2.2 计算神经科学中的“Hebbian突触学习”规则的描述和应用247

4.2.3 长时程突触可塑性研究的基本问题及主要实验进展249

4.3 离子通道小尺寸团簇的随机动力学和熵效应259

4.3.1 钠离子通道团簇模型260

4.3.2 大团簇极限动力学262

4.3.3 小团簇自发动作电位发放频率264

4.3.4 熵密度调制的自发放电频率266

4.3.5 熵密度调制的弱周期信号编码能力269

第五章 感觉神经信息处理278

5.1 初级视皮层动力学278

5.1.1 V1的基本特性278

5.1.2 V1的大尺度计算模型280

5.1.3 简单细胞与复杂细胞281

5.1.4 涨落可控的临界点282

5.1.5 朝向选择性283

5.1.6 V1皮层的自发活动285

5.1.7 直线—运动视错觉288

5.2 视觉感知稳定性的神经机制研究295

5.2.1 感受野重构296

5.2.2 快速眼动抑制307

5.3 神经元协同放电及神经信息编码316

5.3.1 感觉系统的协同放电活动316

5.3.2 运动系统的协同放电活动326

5.4 神经信息编码的实验观察与探讨332

5.4.1 神经元放电序列模式的多样性332

5.4.2 神经元活动的动力学状态对反应性的影响335

5.4.3 神经元兴奋性的分类与转型337

5.4.4 一种新异的神经信息编码方式——“传导编码”339

5.4.5 突触传递的非线性分析341

第六章 计算神经科学发展展望348

6.1 计算神经科学的重要研究方向348

6.1.1 神经信息的编码机制348

6.1.2 学习、记忆及信息储存的神经网络机制研究350

6.1.3 感觉系统及不同感觉模式之间信息整合的计算理论353

6.1.4 简单模式动物的神经系统研究358

6.1.5 大尺度神经元网络的计算特性362

6.1.6 高级认知行为的计算模型365

6.1.7 脑功能研究中的数据分析和算法369

6.1.8 人工智能研究中的计算神经科学374

6.2 计算神经科学的机遇和挑战385