Computational-NeuroScience : Week0

（著）山たー

CourseraのComputational Neuroscienceを受講したので、そのまとめを書いていく。これを書いている時点では全て受講しきってはいない。正直、難しい。

ノートの内容はCourseraの講義内容をベースとして、関連する内容で自分が勉強したことを併記することとした。また、良いことではないのだが、スライドから画像を引用させていただいた。冗長になるため、スライドの画像を（ほぼ）出典なく掲載している。

・脳神経科学の研究をやっている割には知識が無さすぎる。

・さらに言えば、計算論的な立場から神経科学の研究をしているのに、「君、こんなことも知らないの？」となるのは嫌だったので。

生物学から計算論まで、丸ごと学べる盛りだくさんな講義内容。Deep Learningなど最新の内容は取り扱っていないが、Neural Networkや予測符号化(Predictive Coding)、強化学習(Reinforcement Learning)など、今でも重要なモデルが学べる。

Rajesh P. N. Rao先生とAdrienne Fairhall先生のお二人。Rao先生は計算科学が専門で、予測符号化の計算論的モデルを考案した方。現在はBMI(Brain machine interface)の研究もしているらしい。Fairhall先生は生理学と生物物理学が専門で、今は計算神経科学の研究をしているそうな。具体的な研究内容は知らない。

このコースは次の内容を含んでいる。

・基本的な神経生物学(Basic Neurobiology)

・ニューラルエンコーディング(Neural Encoding)

・ニューラルデコーディング(Neural Encoding)

・情報理論(Information Theory)

・単一ニューロンのモデリング(Modeling Single Neurons)

・シナプスモデルとネットワークモデル：フィードフォワードとリカレントネットワーク(Synapse and Network Models: Feedforward and Recurrent Networks)

・シナプス可塑性と学習(Synaptic Plasticity and Learning)

第1週：コース紹介と基本的な神経生物学

第2週：ニューロンは何をエンコードするか？ ニューラルエンコーディングモデル

第3週：ニューロンからの情報抽出：ニューラルデコーディング

第4週：情報とコーディングの原理

第5週：脳からの脳のシミュレーション：単一ニューロンのモデル

第6週：ニューロンのシナプスとネットワークのモデリング

第7週：脳はどのように学習するか？ シナプス可塑性と学習のモデリング

第8週：行動学習：強化学習

教科書はTheoretical Neuroscience（理論神経科学）である。Web上でpdfが公開されている。さらにありがたいことにExercisesも公開されている。

ashumeow/Computational-NeuroScience：講義をまとめたGithubのリポジトリ。

jtbreffle/Theoretical-Neuroscience-Exercises：Theoretical-NeuroscienceのExerciseの解答をまとめたリポジトリ。

https://github.com/computational-neuroscience/Computational-Neuroscience-UW

関連する有名な論文のリスト：

[1] Two-Dimensional Time Coding in the Auditory Brainstem, 2005

[2] Selectivity for Multiple Stimulus Features in Retinal Ganglion Cells, 2006

[3] Characterization of neural responses with stochastic stimuli, 2004

[4] Analyzing Neural Responses to Natural Signals: Maximally Informative Dimensions, 2003

[5] A Mathematical Theory of Communication, 1948

[6] A Neural Substrate of Prediction and Reward, 1997

分からない用語は

脳科学辞典

に大概載ってある。あとは生理学の教科書、カンデル神経科学などを参考にする。