課程大綱

課程資訊

課程名稱

神經系統模擬: 理論與實作
Neural Systems Modeling: Theories and Applications

開課學期

101-2

授課對象

理學院心理學系

授課教師

葉俊毅

課號

Psy5214

課程識別碼

227 U8310

班次

學分

全/半年

半年

必/選修

選修

上課時間

星期二5,6(12:20~14:10)

上課地點

備註

具系統神經科學及Matlab知識。先修生心.神經科學.心與腦等。合開教師:裴育晟。北館電腦室上課
總人數上限：15人

Ceiba 課程網頁

http://ceiba.ntu.edu.tw/1012neu_sys_modeling

課程簡介影片

核心能力關聯

核心能力與課程規劃關聯圖

課程大綱

為確保您我的權利,請尊重智慧財產權及不得非法影印

課程概述

課程綱目概要如下:
1. 導論 (Introduction)
2. 基本神經計算 (Basic Neural Computations)
3. 神經網路1-單一神經運作 (Dynamics of a single neural unit)
4. 神經網路2-簡單神經網路 (Simple Neural Circuits)
5. 神經網路3-週期性連結 (Recurrent Connections)
6. 神經網路4-前饋抑制 (Feedforward Inhibition)
7. 神經網路5-週期性側抑制 (Recurrent Lateral Inhibition)
8. 共變學習與自動連結記憶 (Covariation Learning and Auto-Associative Memory)
9. 無監督學習與分部呈現 (Unsupervised Learning and Distributed Representations)
10. 監督學習與非均勻呈現 (Supervised Learning and Non-uniform Representations)
11. 訊息理論與傳遞 (Information Theory and Transmission)
12. 機率估計 (Probability Estimation)
13. 時間序列學習與非線性序號處理 (Time Series Learning and Nonlinear Signal Processing
14. 預測-修正模擬 (Predictor-Corrector Models)

課程目標

本課程將由裴育晟老師(長庚醫院復健科) 與葉俊毅老師(台大心理系) 合開。

系統神經科學涵蓋的範圍，主要是從單一神經功能的研究開始，延伸到研究神經群體及神經網路的功能，以了解人類的行為和認知，是如何透過複雜的神經運算來達成的。本課程將教授系統神經科學模擬的基本知識，主要著重在介紹在大腦中各種不同的神經網路，以及如何運用 Matlab 程式，來模擬單一神經及神經網路的運作。課程目標在於讓學生了解當代系統神經科學的重要理論，並學習運用計算神經科學的知識來了解大腦功能。

課程要求

每周2小時的授課時間包括教師的演講，同學的報告和討論，及Matlab 程式編寫與模擬。學生在課前需閱讀指定章節或相關論文，並在課中進行電腦模擬及參與討論。

預期每週課後學習時數

Office Hours

每週二 12:40~13:40 備註：或以電郵約時間

指定閱讀

Tutorial on Neural Systems Modeling, Thomas J. Anastasio (2010), Sinauer Associates Inc. [台灣總代理: 易利圖書有限公司]

參考書目

評量方式
(僅供參考)

No.	項目	百分比	說明
1.	隨堂作業	60%	暫定
2.	課堂報告	20%	暫定
3.	課堂參與	20%	暫定

課程進度

週次	日期	單元主題
第1週	2/19	Introduction
第2週	2/26	Ch.1 - Basic Neural Computation 單一神經運作 (1.1 - 1.4)
第3週	3/05	Ch.1 - Basic Neural Computation 簡單神經網路 (1.5 - 1.6)
第4週	3/12	Ch.2 - Recurrent Connections 序列雙神經運作 (2.1)
第5週	3/19	Ch.2 - Recurrent Connections 平行雙神經運作 (2.2 - 2.7)
第6週	3/26	Manabu Tanifuji 教授專題演講: modeling in visual processing (已確定)
第7週	4/02	Ch3. Forward and recurrent lateral inhibition 側抑制 (3.1 - 3.3)
第8週	4/09	Ch3. Forward and recurrent lateral inhibition 側抑制 (3.3 - 3.4); Ch4. Covariation Learning 共變學習 (4.1 - 4.2)
第9週	4/16	Midterm
第10週	4/23	Ch4. Covariation learning and auto-associative memory 共變學習與自動連結記憶 (4.2 - 4.7)
第11週	4/30	Ch5. Unsupervised learning and distributed representation 無指導學習與分散呈現 (5.1 - 5.5)
第12週	5/07	Ch6. Supervised learning and non-uniform representations 指導學習與非一致性呈現
第13週	5/14	Ch7. Reinforcement learning and associative conditioning 強化學習與連結制約
第14週	5/21	Ch8. Information transmission and unsupervised learning 資訊傳輸及無指導學習
第15週	5/28	Student presentation and discussion (1)
第16週	6/04	Student presentation and discussion (2)
第17週	6/11	Student presentation and discussion (3)
第18週	6/18	Final