更改

删除929字节 、 2022年6月19日 (日) 11:44
第66行: 第66行:  
==编辑推荐==
 
==编辑推荐==
 
===集智课程===
 
===集智课程===
 +
====[https://campus.swarma.org/course/4370 神经动力学模型读书会]====
 +
人类大脑是一个由数以百亿计的神经元相互连接所构成的复杂系统。自神经科学这一学科建立以来,从解析神经元之间的相互作用机理、到刻画皮层柱之间的连接形式、再到探究脑区间不同认知功能的分离与整合模式,无数科学家试图从不同尺度研究大脑,以期揭示人脑这一最为复杂的神经系统的工作模式,进而理解语言、情绪、记忆和社会交往等高级认知活动的底层神经机制,并一定程度上启发通用人工智能机器人的设计。
   −
====[https://campus.swarma.org/course/4370 神经动力学模型读书会]====
+
近年来,脱胎于系统科学的动力学建模方法,逐渐被广泛地应用于神经科学研究中,其作为一种绝佳的数理工具,愈发地受到研究人员的重视,在类脑计算、脑认知原理解析和脑重大疾病致病机理探索等具体方面,发挥着不可替代的作用。
人类大脑是一个由数以百亿计的神经元相互连接所构成的复杂系统。近年来,脱胎于系统科学的动力学建模方法,逐渐被广泛地应用于神经科学研究中,其作为一种绝佳的数理工具,愈发地受到研究人员的重视,在类脑计算、脑认知原理解析和脑重大疾病致病机理探索等具体方面,发挥着不可替代的作用。该读书会主要围绕神经科学中基于多尺度建立动力学模型的方式方法,以及其在脑疾病病理探索,脑认知原理解析方面的具体应用进行讨论。
      +
本着促进神经科学、系统科学以及计算机科学等不同领域的学术工作者的交流与合作,激发有志于加入脑科学与类脑研究这一领域的同学们的研究兴趣,来自国内外多所知名高校的专家学者(详见发起人介绍)共同发起了「神经动力学模型」读书会,聚焦于神经科学中的动力学建模这一前沿课题,讨论他们在研究一线中遇到的实际困惑,对相关文献进行深入梳理、激发跨学科的学术火花。
   −
'''读书会概览'''
  −
*  大脑的多尺度动力学建模
  −
大脑的动力学建模可以涵盖不同的时间和空间尺度。例如,微观尺度上神经元层面的神经元细胞膜模型(Hodgkin-Huxley),它描述神经元动作电位的启动和传播;宏观尺度上群体神经元层面的动力学模型(NeuralMassModel)和神经场模型(NeuralFieldModel)等,它描述脑区不同群体神经元的动态演化。上述模型均为平均场模型,可进一步拓展为基于结构耦合的全脑动力学模型,它描述跨脑区之间的信息传递。
     −
*  动力学模型和机器学习模型的融合
+
====[https://campus.swarma.org/course/951 李印赟:神经突触可塑性微观机制及神经环路研究]====
传统动力学模型的表达能力有限,难以准确描述具有个体特异性的大脑动力学过程。将动力学模型和机器学习模型进行融合从而可以得到针对特定个体数据的动力学模型,如Physics-informed neural network以及NeuralODE模型。这样的模型同时具有类似于传统动力学模型的可解释性和源于机器学习的较强表达能力。
+
该讲座分为两部分:第一部分为神经元的轴突输运特征及其与神经形态之间的关系,第二部分为神经突触可塑性中涉及的囊泡输运和释放,短时突触可塑性的神经细胞差异性及其在神经元微环路中细胞发放特征的作用。
   −
*  动力学模型在脑疾病、脑认知、类脑计算中的应用
  −
广义来说,神经动力学模型可提供一种可控的方式(调整刺激参数和靶点等)激励、抑制或中断大脑网络动态变化,从而实现疾病治疗或脑功能增强。在癫痫研究中,神经动力学模型或可更早地告诉我们大脑已经进入临界状态,从而更好地预测癫痫发作,并发现易受影响的大脑区域,使用药物、神经调控或手术等方法,降低癫痫发作的可能性或者治愈癫痫。已有的工作通过平均场模型揭示了知觉决策过程动力学的机制,还进一步将网络模型拓展到多任务情形,精妙地展示了神经系统通过动力学行为执行认知功能的神经计算机制。同时,神经动力学模型可以为新一代人工神经网络的算法提供指导思想,也可以为下一代专用和通用神经形态芯片提供计算框架。例如当前的一个研究热点为如何利用生物神经系统的实验概念和最新发现,来发展下一代的基于脉冲计算的人工智能。
       
7,129

个编辑