计算神经科学概述、模型和应用（上） | 前言与书籍推荐

pmhuhc77635

1. 前言
计算神经科学的研究已经存在了几十年，其跨学科性质导致工作成果分散在多个学科中。过去几年里，这些学科在强大的计算和工程研究的支持下走到了一起。这使其成为一个非常重要且不断发展的研究领域。计算神经科学涉及通过从神经学和数学的角度解释人脑和神经系统的工作来理解智能的机制。人脑和神经系统以神经元为基本组成部分。通过使用神经元建模，我们试图通过调整生物参数并用数学方程式辅助来了解神经元如何映射。神经学习和神经元交流是认知计算神经科学的其他子领域，旨在了解神经元之间的交流模式、行为和相互联系。信息和通信理论的原理以及网络用于找出基于性能的参数。这个广阔领域的所有这些子领域在本质上都是独立多样和进步的，来自各个科学领域的研究人员都在研究它们。
要了解人类的认知机制，我们需要神经科学支持的信息处理计算模型。 1973 年，Allen Newell [1] 提出了支持任务执行模型的论据。 “你无法与大自然一起玩 20 个问题并获胜。”在他著名的评论中，他通过提倡自然现象过于复杂而无法用一系列二元问题来解释来阐明任务执行模型的未来。在他看来，一个一个检验认知假设以期揭示大脑信息处理机制是徒劳的。他强烈认为，强大的计算模型可以同时全面地测试多个假设，这似乎是可行的。当任务执行计算模型被认为是理解人脑认知工作的基础时，他的工作为从认知心理学到认知科学的过渡铺平了道路。这个方向的早期发展仅依赖于行为数据和相应的假设。他们没有考虑人脑带来的解剖学和神经学限制。
随着神经影像学的引入，将认知过程映射到大脑中的特定区域成为可能。将人类功能性大脑图像映射到区域（解剖部位）和过程（信息交换）导致神经科学在认知中的整合。然而，由于单独映射到区域及其互连，这也成为向后退的一步，因为我们未能在此过程中集成计算详尽的模型。在功能性磁共振成像、脑电图、正电子发射断层扫描和其他功能性脑部扫描的帮助下，神经支持的认知科学领域得到了发展。最终结果是一个相当有用的脑图，代表类似于人脑整体功能结构的模块、互连和信息流动过程。生成脑图提供了许多有用的边界和约束，用于进一步详细说明假设的生成和检验。
许多模型出现了映射到特定的认知任务，但在物理距离、环境感知和神经元触发方面的映射仍然是一个挑战。需要具有良好互连带宽和非常短延迟的区域，这类似于在人体内运行的生物神经网络的形态和几何形状。将来，关于形态学、解剖学、互连和功能定位方面的详细知识将极大地帮助创建连贯的计算模型以理解大脑信息处理。当代神经科学计算模型主要侧重于从理论上解释认知。 1982 年马尔的三层解释 [2] 出现时，出现了一个融合这些学科的独特平台。认知科学从制定计算理论的第一级开始，然后是代表性符号和算法的设计。第三层次是将神经生物学结构整合到认知过程的实施中。这三个层次汇聚在一起，帮助我们了解大脑的工作原理。
整合集成环路的生成是了解大脑功能的又一步。随着量子计算的引入，测试多种模型和各种假设的研究工作将会增加。当跨学科知识被整合以进一步推进认知计算神经科学领域时，我们可以期待突破性的发现。上下俩文希望追溯不同科学学科的演变和整合，通过对生物学背景、认知科学、神经科学和人工智能的概述，以了解其基础计算神经科学，并理解和评估神经科学、认知科学和人工智能之间的相互依存关系，涵盖自上而下方法和自下而上方法的模型概述及其比较，最后看看这一研究领域的最新发展和应用在神经科学、机器人、深度学习等领域的突破性工作。
<hr/>最近问我类脑相关问题的人太多了，我可爱的既不懂神经也不懂计算模型描述更是玄学但喷起人来很专业的乡亲父老们，我不回复你们不是清高，而是不知道从何说起的无奈...我推荐几本计算神经科学入门读物吧，共3本，足够补课了，虽然是英语教材，但写的很好，而且现在有ChatGPT了，不懂英语的可以让它翻译。推荐书比较个人主观向，百度云链接可自取：
Computational Neuroscience (CN.rar)
链接：https://pan.baidu.com/s/18F3ImgmTyKcH8b3-bfURwg
提取码：jurx新手完全小白建议按顺序学，大佬可跳着看。另外计算神经科学我的理解是介于理学与工学之间，学习的时候也建议自己动手写写代码，这样理解起来更为清晰，脉冲神经网络SNN编程可以可以用用BrainPy框架，地址：https://brainpy.readthedocs.io/en/latest/index.html
1. An Introductory Course in Computational Neuroscience。这本书好就好在连常微分，偏微分，线性代数，矩阵，概率论这些最基本的数学基础都给你嚼碎了从头理一遍。啥数学基础都没有就可以上手，还会教你一些编程方法，神经科学的基础知识也会顺便补上。很适合入门。


2. Foundations of Mathematical Neuroscience。这本书基本上囊括了所有涉及神经计算的数学基础了，整本书70%上都是公式，算是第一本的进阶版，掌握了这本书，就掌握了构建类脑模型的计算基础。


3.  The Computational Brain. 这本书让你了解目前整个大脑的建模进展到哪一步了，对各个脑区的功能了解多少了，能用哪些计算工具了，这本书80%以上都是模型描述性的东西，有些还没有实现的具体方法，没有公式，没有参数量化，只有不断地向前探索，即便啥公式都不懂也可以读这本书，但那样基本就成了科普读物，有一定数学基础读这本书脑子里就会不断涌现出各种有趣的模型。


以上是我的推荐，未来AI到底是大模型一条道走到底呢，还是会从不断增长的神经科学知识和计算神经科学理论中获取灵感创造新的AI路线，谁也说不好，但对于智能的本质探索相信一定是殊途同归的。

123458005

感谢大佬分享.有么有中文的资料,洋文的看得好累[爱]

123457647

《视觉》和《理论神经科学》的教材还是有中文版的，不过我还是建议看洋文，这个领域国内外还有不少差距，或者下个知云现场翻译。