课程地址：[进入哔哩哔哩观看 资源1] [进入哔哩哔哩观看 资源2] [进入youtube观看]
课件汇总：[PPT下载]
参考教材：Neuronal Dynamics: From Single Neurons to Networks and Models of Cognition
[下载地址]
提取码: rk96

神经动力学：从单个神经元到网络和认知模型

当我们做决策时，我们的大脑中发生了什么？是什么触发了神经元发送信号？神经编码是什么？

这本面向高年级本科生和初级研究生的教科书，为计算和理论神经科学提供了全面而最新的的介绍。它涵盖了经典的主题，包括Hodgkin-Huxley方程和Hopfield模型，以及该领域在现代的发展，如广义线性模型和决策理论。概念通过清晰的逐步解释引入，适合仅有基础微分方程和概率知识的读者，并辅以丰富的图表和详细的实例说明。

章末总结和随堂练习使本书非常适合课堂教学或者自学。作者也指出了文献和大量的参考数目，对于有兴趣进一步研究的读者来说将非常有价值。

目录

前言

这本面向高年级本科生和初级研究生的教科书系统地介绍了关于神经建模、神经动力学、神经编码以及神经网络领域。它可以作为计算和理论神经科学的入门课程的教材，也可以作为研究生级别更加专注于神经动力学和神经建模的课程的主要教材。对于想学习不同神经元模型和神经活动描述之间关系的研究人员和学生来说，本书也是一个有用的资源。

所有的数学概念都以一步一步的方式进行介绍。所有的章节都有丰富的图表和实例。每一章都以简短的总结和一系列数学练习结尾。在作者的网页上提供了用于数值模拟的python源代码，以阐述章节的主要观点和模型。

本书分为4部分，共20章。Part I对计算神经科学及其数学工具的基础知识进行了概括性介绍。它涵盖了经典的内容，比如Hodgkin-Huxley模型、离子通道和树突等，以及二维微分方程系统的相平面分析。本书特别关注在Hodgkin-Huxley模型和Morris-Lecar模型等简化的二维神经元模型中触发动作电位的阈值问题。

Part II着重介绍单个神经元动力学的简化模型。它涵盖了带有适应性和不带适应性的非线性积分-放电模型integrate-and-fire model，尤其是二次和指数的积分-放电模型，以及Izhikevich模型和自适应指数积分-发放模型。还讨论了神经动力学中噪声的问题，并呈现了两种经典的噪声描述。首先，通过随机尖峰到达引起的随机性：这个方法导致电压微分方程中的噪声项，可以用朗之万方程表示。其次，神经元内在的随机性导致在亚阈区域时跨越触发阈值的“逃逸”：这个方法引出了广义线性模型的框架，该模型会在神经编码和解码的应用中系统地介绍和讨论。强调第二部分中神经元模型和生物数据之间的关系，并介绍了系统的参数优化算法。

Part III将第二部分得出的简化模型用于构建网络。以群体活动方程，也称为群体发放率，描述神经网络动力学的集体特性。确定了可以使用标准发放速率模型描述群体活动的条件。

Part IV将动力学与认知联系起来。使用群体活动方程分析计算和认知神经科学中著名的范式，比如在决策或记忆检索过程中的神经活动。在第四部分，我们也概述了与突触可塑性相关的学习理论。本书以极有吸引力的神经动力学原理帮助帕金森病人的应用结尾。

本书的一小部分内容基于《Spiking Neuron Models》，该书于2002年首次出版，并在此后多次重印。与此同时，这个领域在发生变化，我们认为简单更新《Spiking Neuron Models》的第二版不足以肯定到目前所出现的发展。

从更一般的角度来看，我们设计一本从一开始就作为教科书而不是专题著作的书将非常有用。因此，本书更突出与实验数据的联系，有更多解释性文字，并且最重要的是，提供了一系列在多年的课堂教学中已经经过测试的练习题。

我们希望这本书对学生和研究人员都能有所帮助。

给读者的建议

每一章以一个具体的问题开始，并在第一节给出直观的答案。随着章节的进行，内容变得更加高级，呈现方式也更加技术化。在第一次阅读本书时，可以先只阅读每一章的第一节或前两节，然后快速浏览后续节。

更具体的建议取决于读者的背景。比如，建议初次接触计算神经科学领域的读者在开始第二部分和第四部分之前，建议花足够的时间学习第一部分的经典材料。专业的读者可以完全跳过第一部分，直接开始阅读第二部分。

在第三部分，主要思想在第12章和第15章进行了阐述，这些章节为第四部分的速率模型打下了基础。第三部分更具技术性的章节在第一次阅读时可以跳过，但有必要对当下计算神经科学领域的最新发展有一个深入的理解。

第四部分涉及神经动力学到认知问题的应用，可以按任意的顺序阅读。

*标记的小节在数学上更高级，第一次阅读本书时可以忽略。