Kurs wprowadzający do neuronauki obliczeniowej

Opinie czytelników

Książka jest chwalona za jasne i kompleksowe wprowadzenie do neuronauki obliczeniowej, z praktycznymi narzędziami do modelowania aktywności neuronów. Chociaż wielu użytkowników uważa, że treść jest dobrze zorganizowana i przystępna, niektórzy zauważają błędy i różną jasność wyjaśnień.

Przejrzyste i kompleksowe wprowadzenie, doskonała organizacja, wymagane minimalne przygotowanie matematyczne, praktyczne samouczki komputerowe i kody Matlab, odpowiednie dla początkujących, dobrze dobrane przykłady, szybka dostawa.

Zawiera wiele błędów, niektóre sekcje są niejasne lub tajemnicze.

(na podstawie 8 opinii czytelników)

Oryginalny tytuł:

An Introductory Course in Computational Neuroscience

Zawartość książki:

Podręcznik dla studentów o ograniczonym doświadczeniu w matematyce i kodowaniu komputerowym, kładący nacisk na samouczki komputerowe, które prowadzą czytelników do tworzenia modeli zachowań neuronalnych.

Ten wprowadzający tekst uczy studentów rozumieć, symulować i analizować złożone zachowania poszczególnych neuronów i obwodów mózgowych. Zbudowany jest wokół samouczków komputerowych, które prowadzą uczniów w tworzeniu modeli zachowań neuronalnych, z powiązanym kodem Matlab swobodnie dostępnym online. Z tych modeli studenci dowiadują się, jak funkcjonują poszczególne neurony i jak, gdy są połączone, neurony współpracują w obwodzie. Książka demonstruje za pomocą symulowanych modeli, w jaki sposób oscylacje, wielostabilność, odbicia po bodźcu i chaos mogą powstawać zarówno w pojedynczych neuronach, jak i obwodach, i bada ich rolę w mózgu.

W pierwszej części książki przedstawiono niezbędne podstawy neuronauki, fizyki, matematyki i Matlaba, wraz z wyjaśnieniami zilustrowanymi wieloma przykładowymi problemami. Kolejne rozdziały dotyczą neuronów i produkcji impulsów; pojedynczych ciągów impulsów i leżących u ich podstaw procesów poznawczych; modeli opartych na przewodnictwie; symulacji połączeń synaptycznych; modeli szybkości zapłonu w wielkoskalowych obwodach; systemów dynamicznych i ich komponentów; plastyczności synaptycznej; oraz technik analizy zbiorów danych populacji neuronów, w tym analizy składowych głównych, modelowania ukrytego Markowa i dekodowania bayesowskiego.

Książka jest przystępna dla studentów nauk przyrodniczych z ograniczonym doświadczeniem w matematyce i kodowaniu komputerowym, może być używana w "odwróconym" lub "odwróconym" podejściu do nauczania, z czasem zajęć poświęconym na praktyczną pracę nad samouczkami komputerowymi. Może być również źródłem wiedzy dla absolwentów nauk przyrodniczych, którzy chcą zdobyć umiejętności komputerowe i pogłębić wiedzę na temat funkcji i obwodów neuronowych.