神經信息學與計算神經科學

《神經信息學與計算神經科學》以介紹當今神經信息學與計算神經科學的前沿為目的，以“神經信息學與計算神經科學的前沿問題”第367次香山科學會議內容為基礎，由國內外生物、數學、物理、計算機、電子、通信與自動控制等學科領域的40多位專家共同撰寫。希望通過《神經信息學與計算神經科學》的出版，推動我國在這個領域的研究。

第一章 計算神經科學的發展

1.1 計算神經科學的發展現狀

1.1.1 計算神經科學的廣泛影響

1.1.2 計算神經科學的迅猛發展

1.1.3 計算神經科學的應用方向

1.2 有關計算神經科學的思考

1.2.1 神經計算的基本單元

1.2.2 計算神經科學研究中的還原論觀點和動力學觀點

1.2.3 “人工腦”的研究

1.3 意識研究的理論和實驗進展

l.3.1 意識研究的部分理論框架

1.3.2 意識研究的實驗進展

第二章 神經信息處理的模型與應用

2.1 神經信息的定量化研究與S空間編碼

2.1.1 穩定性和定量化分析

2.1.2 s空間的引入

2.1.3 對於“簡併”的解釋

2.1.4 用s空間理論分析人工智能

2.2 大腦皮層的背景活動

2.2.1 Hilhen方法與電影畫面假説

2.2.2 靜息態腦皮層的背景活動

2.3 混沌邊緣的神經元網絡

2.3.1 神經系統與動力學

2.3.2 混沌邊緣的神經元網絡

2.4 神經網絡上的雪崩和功能連結組

2.4.1 靜息態

2.4.2 神經雪崩

2.4.3 腦神經系統處在混沌邊緣

2.4.4 腦功能連結組

2.5 網絡科學與大腦

2.5.1 網絡科學及國內外發展概況

2.5.2 探索大腦“運轉”奧秘之路

2.5.3 大腦網絡的構建方法和描述方式

2.5.4 大腦皮層功能網絡的研究進展

第三章 計算方法在神經科學中的應用

3.1 精神分裂症的計算神經模型

3.1.1 精神分裂症簡介

3.1.2 維納控制論對精神分裂症機制的推測

3.1.3 精神分裂症的計算神經科學模型介紹

3.1.4 對精神分裂症計算模型的思考

3.2 神經信息流的耦合強度與方向

3.2.1 網絡流

3.2.2 計算信息流方向的各種算法簡介

3.2.3 大鼠海馬區信息流研究簡介

3.3 多通道神經元信號分析的基本方法

3.3.1 神經元電信號的記錄

3.3.2 多通道神經元信號分析方法

3.3.3 多通道神經元信號分析方法的選取、比較及研究展望

3.4 腦電研究的幾個新方向

3.4.1 稀疏性與腦電逆問題

3.4.2 腦電的零參考技術與腦網絡研究

3.4.3 腦電與功能性磁共振成像結合的新技術

3.4.4 基於腦電的腦機交互

3.5 人腦分類決策的神經機制

3.5.1 fMRI信號的多維數據分析

3.5.2 分類決策的神經機制

3.5.3 分類規則的神經表徵

3.5.4 簡單形狀類別神經信號的區分性

3.5.5 通過學習改變分類決策的規則

第四章 神經動力學及突觸可塑性

4.1 神經元的興奮動力學性質及其可塑性和調節

4.1.1 自動興奮神經元的興奮動力學

4.1.2 靜息神經元在刺激作用下表現出的興奮性類型

4.1.3 在動力學神經元網絡中引入節點興奮性的調節和可塑性

4.2 Hebbian突觸修飾：學習和記憶的突觸模型

4.2.1 長時程突觸可塑性的發現和特性

4.2.2 計算神經科學中的“Hebbian突觸學習”規則的描述和應用

4.2.3 長時程突觸可塑性研究的基本問題及主要實驗進展

4.3 離子通道小尺寸團簇的隨機動力學和熵效應

4.3.1 鈉離子通道團簇模型

4.3.2 大團簇極限動力學

4.3.3 小團簇自發動作電位發放頻率

4.3.4 熵密度調製的自發放電頻率

4.3.5 熵密度調製的弱週期信號編碼能力

第五章感覺神經信息處理

5.1 初級視皮層動力學

5.1.1 v1的基本特性

5.1.2 vl的大尺度計算模型

5.1.3 簡單細胞與複雜細胞

5.1.4 漲落可控的臨界點

5.1.5 朝向選擇性

5.1.6 v1皮層的自發活動

5.1.7 直線一運動視錯覺

5.2 視覺感知穩定性的神經機制研究

5.2.1 感受野重構

5.2.2 快速眼動抑制

5.3 神經元協同放電及神經信息編碼

513.1 感覺系統的協同放電活動

5.3.2 運動系統的協同放電活動

5.4 神經信息編碼的實驗觀察與探討

5.4.1 神經元放電序列模式的多樣性

5.4.2 神經元活動的動力學狀態對反應性的影響

5.4.3 神經元興奮性的分類與轉型

5.4.4 一種新異的神經信息編碼方式——“傳導編碼”

5.4.5 突觸傳遞的非線性分析

第六章 計算神經科學發展展望

6.1 計算神經科學的重要研究方向

6.1.1 神經信息的編碼機制

6.1.2 學習、記憶及信息儲存的神經網絡機制研究

6.1.3 感覺系統及不同感覺模式之間信息整合的計算理論

6.1.4 簡單模式動物的神經系統研究

6.1.5 大尺度神經元網絡的計算特性

6.1.6 高級認知行為的計算模型

6.1.7 腦功能研究中的數據分析和算法

6.1.8 人工智能研究中的計算神經科學

6.2 計算神經科學的機遇和挑戰

^[1]