生物學

Neuronal Dynamics: From Single Neurons to Networks and Models of Cognition

Wulfram Gerstner; Werner M. Kistler; Richard Naud; Liam Paninski

英文原名: Neuronal Dynamics: From Single Neurons to Networks and Models of Cognition

完整計算神經科學教材，把神經元方程、隨機脈衝與網路動力學連線到認知模型，適合已有微分方程和機率基礎的讀者進行建模訓練。

需要的基礎

需微分方程、機率和基礎線性代數，細胞神經科學有助解釋。Python用於配套習題，但中心要求是能理解模型的數學結構和生物含義。

computational neurosciencespiking neuronsneural networks

適合高年級本科及研究生初期計算神經科學，從單個脈衝神經元走向群體行為，把生物問題聯絡形式模型。對希望解釋模擬假設與預測、而非只重現脈衝圖的讀者有用。

需微分方程、機率和基礎線性代數，細胞神經科學有助解釋。Python用於配套習題，但中心要求是能理解模型的數學結構和生物含義。

單細胞模型、膜動力學和脈衝產生進入隨機模型、編碼、估計與網路，把Hodgkin-Huxley、Hopfield等經典框架與廣義線性模型、決策主題聯絡起來，配套Python支援選章模擬。

先選簡單神經元，說明保留與捨棄的生物性質，改輸入前預測反應。改變步長與隨機種子，區分數值行為和目標現象；圍繞同一問題比較機制模型與統計模型能解釋什麼，利用總結和習題重建論證，不把擬合成功視為機制已被識別。

EPFL完整授權線上書標明Cambridge University Press版權，免費閱讀明確，但複製需出版社許可，不推定CC。練習軟體另有分發條件，不能把軟體權利套到正文；本頁不推測紙本載體編號。