Ocena:
Książka jest kompleksowym i wciągającym wprowadzeniem do teoretycznej neuronauki, w szczególności jej matematycznych podstaw. Chociaż jest wysoce zalecana dla studentów i badaczy, może nie być odpowiednia dla początkujących. Niektórzy recenzenci podkreślają jej encyklopedyczny zasięg i szczegółowe traktowanie technik matematycznych w neuronauce, podczas gdy inni wskazują na brak przystępnych wyjaśnień dla osób bez silnego zaplecza matematycznego.
Zalety:⬤ Wciągające wprowadzenie do teoretycznej neuronauki
⬤ kompleksowe i dokładne omówienie tematów
⬤ niezbędna dla absolwentów i badaczy
⬤ służy jako doskonała praca referencyjna
⬤ dobre opisy pojęć neuronauki i zastosowań matematycznych.
⬤ Nieodpowiednia dla początkujących
⬤ może wymagać dodatkowych zasobów w celu pełnego wyjaśnienia niektórych tematów
⬤ bardziej odpowiednia dla matematyków niż dla nowicjuszy w neuronauce
⬤ mniej opisowa i przystępna dla tych, którzy chcą nauczyć się matematyki.
(na podstawie 6 opinii czytelników)
Mathematical Foundations of Neuroscience
Można powiedzieć, że dziedzina neurobiologii obliczeniowej rozpoczęła się od pracy Hodgkina i Huxleya z 1952 roku, w której opisali oni, za pomocą nieliniowych równań różniczkowych cząstkowych, genezę potencjału czynnościowego w gigantycznym aksonie kałamarnicy. Równania te i metody, które powstały z połączenia modelowania i eksperymentów, stały się podstawą niemal każdego późniejszego modelu aktywnych komórek.
Model Hodgkina-Huxle'a i wiele wynikających z niego równań zainspirowały rozwój nowej i pięknej matematyki. Systemy dynamiczne i metody obliczeniowe są obecnie wykorzystywane do badania wzorców aktywności w różnych systemach neuronalnych. Zarówno eksperymentatorzy, jak i teoretycy coraz częściej uznają, że zagadnienia poruszane w neuronauce i analiza matematyczna modeli neuronalnych zapewniają wyjątkowe interdyscyplinarne możliwości badawcze i edukacyjne.
Niniejsza książka jest motywowana dostrzeganą potrzebą przeglądu tego, w jaki sposób systemy dynamiczne i analiza obliczeniowa zostały wykorzystane w zrozumieniu typów modeli pochodzących z neuronauki. Mamy nadzieję, że pomoże to w stymulowaniu rosnącej liczby współpracy między matematykami i innymi naukowcami, poszukującymi interesujących i istotnych problemów w matematyce stosowanej i systemach dynamicznych, a neuronaukowcami, poszukującymi nowych sposobów myślenia o mechanizmach biologicznych leżących u podstaw danych eksperymentalnych.
Książka powstała w wyniku kilku kursów prowadzonych przez autorów. Jednym z nich jest kurs podyplomowy z neuronauki obliczeniowej, w którym biorą udział studenci psychologii, matematyki, informatyki, fizyki i neuronauki.