課程資訊
課程名稱
神經與行為模型建構
Neural and Behavioral Modeling 
開課學期
111-1 
授課對象
理學院  心理學研究所  
授課教師
黃從仁 
課號
Psy5352 
課程識別碼
227 U2810 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期一2,3,4(9:10~12:10) 
上課地點
普101 
備註
總人數上限:100人 
 
課程簡介影片
 
核心能力關聯
本課程尚未建立核心能力關連
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

[先備知識] Python (NumPy & Matplotlib)、高中程度微積分、線性代數(基礎矩陣運算)、基本機率與推論統計(T-test, ANOVA, Chi-Square Goodness of Fit, & Regression)

授課教師每週將透過講演的方式系統性地介紹模型建構這個領域──1.對大千世界的各種現象產生機制性的假說; 2.使用數理模型來刻畫這些假說; 3.利用電腦模擬來做計算實驗(computational experiments)以驗證2中的假說。

課程涵蓋的內容包含了不同空間尺度的人類神經、心智、行為模型──神經元模型(neuronal models) 、神經網路模型(neural network models)、認知模型(cognitive models) 、社會互動模型(agent-based models) 、與系統動力模型(system dynamics)。

由於神經網路模型──特別是深度學習網路(Deep-learning neural networks)──近來在大腦訊號解碼(brain decoding)以及對大腦功能的隱喻(functional metaphor)有重要的突破,本課程將花約莫50%的學期時間介紹深度學習網路與其一體兩面的計算認知神經科學(Computational Cognitive Neuroscience)。
 

課程目標
本課程將介紹學生如何透過數理模型建構(mathematical modeling)與電腦模擬(computer simulations)來理解人類神經系統與行為的各種現象。
 
課程要求
1. 每週請自行攜帶筆電上課(全學期實體上課)。

2. 每週完成指定的程式作業。 
預期每週課後學習時數
請以前幾週完成作業的時間自行評估。 
Office Hours
另約時間 備註: 有任何問題歡迎聯絡授課教師黃從仁 (trhuang@ntu.edu.tw) 
參考書目
斎藤康毅 (2017). Deep Learning:用Python進行深度學習的基礎理論實作. ISBN: 9789864764846 
指定閱讀
每週指定的相關文獻。 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
每週程式作業 
100% 
8分*14次=112分。每次請以Jupyter Notebook匯出成.html後繳交到NTU Cool作業區。 
 
課程進度
週次
日期
單元主題
第1週
9/5  Course Introduction: Models & modeling  
第2週
9/12  Behavioral Modeling (1/2): System dynamics  
第3週
9/19  Behavioral Modeling (2/2): Agent-based modeling 
第4週
9/26  Computational Cognitive Science (1/2): Basics 
第5週
10/3  Computational Cognitive Science (2/2): Advanced 
第6週
10/10  國慶日放假 
第7週
10/17  Computational Cognitive Neuroscience (1/3): Modeling principles & canonical neural
computation 
第8週
10/24  Computational Cognitive Neuroscience (2/3): Neural Networks 
第9週
10/31  Computational Cognitive Neuroscience (3/3): Learning & Memory 
第10週
11/7  Deep-learning Neural Networks (1/4): Fully-Connected Multilayer Perceptron (MLP) 
第11週
11/24  Deep-learning Neural Networks (2/4): Convolutional Neural Network (CNN) 
第12週
11/21  Deep-learning Neural Networks (3/4): Recurrent Neural Networks (RNN) 
第13週
11/28  Deep-learning Neural Networks (4/4): Deep Reinforcement Learning (RL) & Advanced Networks 
第14週
12/5  Computational Neuroscience (1/2): 1 spiking neuron 
第15週
12/12  Computational Neuroscience (2/2): N spiking neuron 
第16週
12/19  無期末考/課程