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	103-2
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	2
全/半年	半年
必/選修	選修
上課時間	星期五6,7(13:20~15:10)
上課地點
備註	北館3F電腦室。合開教師:裴育晟(長庚醫院復健科)。具備系統神經科學及Matlab基本知識。總人數上限：15人
Ceiba 課程網頁	http://ceiba.ntu.edu.tw/1032Psy5214_
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	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。
課程目標	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。 1. 隨堂作業: 課後電腦模擬作業 2. 課堂報告: 於課堂上報告老師指定的論文 3. 課堂參與: 課堂發言、討論及出席
預期每週課後學習時數
Office Hours	另約時間備註：用電郵約時間
指定閱讀	待補
參考書目	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]
評量方式 (僅供參考)

課程進度

週次	日期	單元主題
第1週	2/27	和平紀念日放假
第2週	3/06	Ch1 Vectors, Matrices, and Basic Neural Computations [YCP]
第3週	3/13	Ch2 Recurrent Connections and Simple Neural Circuits [YCP]
第4週	3/20	Ch3 Forward and Recurrent Lateral Inhibition [CIY]
第5週	3/27	Ch4 Covariation Learning and Auto-Associative Memory [YCP]
第6週	4/03	兒童節放假
第7週	4/10	電生理實驗 (no class)
第8週	4/17	Ch5 Unsupervised Learning and Distributed Representations [CIY] [Student Presentation 黃怡諶: Basso & Wurtz (1998)]
第9週	4/24	Ch6 Supervised Learning and Non-uniform Representations [YCP] [Student Presentation 陳曦 : Neves et al (2008)]
第10週	5/01	Ch7 Reinforcement Learning and Associative Conditioning [CIY] [Student Presentation: 張思毅 Procyk et al (2000)]
第11週	5/08	Ch8 Information Transmission and Unsupervised Learning [YCP] [Student Presentation: 王教勛 Oram et al (1998)]
第12週	5/15	Ch9 Probability Estimation and Supervised Learning [CIY] [Student Presentation: 戴聞 Alvarado et al (2007)]
第13週	5/22	Ch10 Time series Learning and Nonlinear Signal Processing [YCP] [Student Presentation: 黃威銘 Wang et al (2015)]
第14週	5/29	Ch11 Temporal-difference Learning and Reward Prediction [CIY] [Student Presentation: 黃威翔 Lau & Glimcher (2008)]
第15週	6/05	Ch12 Predictor-Corrector Models and Probabilistic Inference [YCP] [Student Presentation: 強敬哲 Deneve et al (2007)]
第16週	6/12	Ch14 Future Directions in Neural Systems Modeling [CIY] [Student Presentation: 紀欽益 & 鄭宇博 Hazy et al (2006)]
第17週	6/19	端午節放假
第18週	6/26	期末考週