課程資訊
課程名稱
 計算認知神經科學
Computational Cognitive Neuroscience 
開課學期
 103-1 
授課對象
 電機資訊學院  生醫電子與資訊學研究所  
授課教師
 鄭士康 
課號
 EE5156 
課程識別碼
 921 U4370 
班次
  
學分
 3 
全/半年
 半年 
必/選修
 選修 
上課時間
 星期五6,7,8(13:20~16:20) 
上課地點
 電二145 
備註
 總人數上限：50人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1031EE5156_ 
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

注意:本課程將需主動投入甚多時間搜尋閱讀可能超過課程進度或範圍之大量且結論可能互相矛盾的參考書籍, 文獻, 及網路資源; 亦須樂意在課堂及CEIBA討論區理性參與討論, 獨立思辨, 接受包容他人與自己不同但合理之意見, 並有勇氣分享可能與多數人不同之看法; 且必須撰寫作業報告及分組完成期末專題實作(前者以有軟硬體系統實作成果及討論者為佳, 後者應完成適當軟硬體系統). 課業繁重, 學習較被動, 公開場合怯於表達意見, 與人討論易淪為意氣之爭, 無強烈決心及毅力等同學請慎重考慮.

注意:本課程為一跨領域課程, 除有關電機資訊系所同學外, 歡迎心理系所, 腦與心智研究所,神經生物與認知科學學程, 生命科學院相關系所, 醫學系所, 精神疾病藥物領域之藥學系所, 生化領域之化學系所, 物理系所, 數學系所, 及其他有興趣校內外同學選修或旁聽, 一同討論學習, 並自組1至3人之團隊, 合作完成認知模型系統期末專題實作. 有興趣的校內外老師先進也歡迎來指導及參與討論.

注意: 作業及期末專題之書面報告, 不允許直接照抄或翻譯文獻中之文句(此為嚴重違反學術倫理之行為, 一經查獲, 該項成績將以零分計. 若在美國名校, 將導致被開除之後果. 倘此舉發生於投稿論文, 將使有關當事人均喪失信譽, 難以在學術界立足 ). 有必要使用其概念時, 應以自己寫作風格予以重寫. 當不直接引用原文不足以表示原作者用意時 , 必須於文中顯著標示資料來源, 並以雙引號或不同字體呈現引文, 且引用之原文 至多以一段為限, 必要時使用刪節號, 將多處原文省略至一段 顯示所需部份即可. 圖表及方程式原則上亦應重新修改重繪重製或重打, 複雜圖形則允許直接 cut and paste, 惟仍應於圖形 caption 處註明來源.

注意: 各團隊認知模型系統期末專題實作成績即各成員共同之期末專題成績,占學期成績之30%. 因此務必慎選夥伴,若有重大合作困難,請及早反應處理.

注意: 除非成績登錄發生錯誤,絕不更改成績.

本課程係由人類探討古老富爭議之"心智-腦問題"(Mind-Brain Problem, 從前被稱為Mind-Body問題)的過程衍生, 介紹此一問題之核心研究領域-腦科學-的新研究工具:人類認知神經系統之電腦軟硬體量化計算模型的基礎原理,限制,與實作方式, 用以解說基本人類認知現象以及病態發生的機制, 進而影響眾多其他科技與人文社會研究領域的發展.

人類對大至太空宇宙, 小至基本粒子均已有相當充分的了解, 但對於人類自身內部的小宇宙(其神經系統堪稱為全宇宙最複雜龐大的通訊控制系統)卻所知不多. 過去一,二十年, 對神經細胞與系統, 尤其是腦神經與認知行為的關聯, 有近乎爆炸性的研究發展與應用. 先進各國紛紛投入大量人力及鉅資進行大規模的研究. 著名的研究計畫如美國的The BRAIN Initiative (http://www.nih.gov/science/brain/, http://en.wikipedia.org/wiki/BRAIN_Initiative), 歐盟的The Human Brain Project (https://www.humanbrainproject.eu/, http://en.wikipedia.org/wiki/Human_Brain_Project), 及已進行多年, 使用IBM超級電腦的The Blue Brain Project (http://bluebrain.epfl.ch/, http://en.wikipedia.org/wiki/Blue_Brain_Project ), 由腦神經科學啟發, 顛覆傳統馮.紐曼架構的非傳統類神經網路平行運算硬體系統 SpiNNaker(http://apt.cs.manchester.ac.uk/projects/SpiNNaker/project/, S. B. Furber, et. al. "The SpiNNaker Project," IEEE Proceedings, vol.102, no.5, 2014, pp 652-665; S. B. Furber et. al.,"Overview of the SpiNNaker System Architecture," IEEE Transactions on Computers, vol. 62, no. 12, 2013, pp. 2454 - 2467)等. 國內多年前即有認知科學及神經科學方面的研究教學單位接連成立, 並有數位先進執行類似但規模較小之研究計畫. 台大亦先後成立神經生物與認知科學研究中心, 神經生物與認知科學學程, 腦與心智研究所等單位或學程. 在心理系所有認知心理學的課程與研究, 在生命科學院, 台大醫院, 工學院醫工研究所, 電資學院生醫電子資訊所等也持續進行神經科學研究. 但就任課教師所知, 國內研究大多採用動物實驗數據, 腦波, 或生物影像觀察及推論等方法, 僅有兩三位先進從事神經模擬方面研究, 且似乎未見有計算認知神經科學或與之雷同之課程開授. 有鑑於計算認知神經科學的重要性日增, 任課教師雖十多年前起即開始閱讀有關書籍文獻(能記得的不多)及旁聽相關課程(常常翹課, 只剩一些簡單印象)緩慢準備, 所知甚淺, 但鑒於本項課程之重要性與急迫性, 不揣簡陋, 斗膽開設本課程, 盼望有興趣的的老師專家學者先進與同學共同參與討論, 指導, 學習, 俾可提升台灣計算認知神經科學知識的普及與研究能力, 任課教師亦可得集思廣益, 時而學習之, 不知老之將至之樂. 

課程目標
 提供一討論學習平台, 使學生能針對爭議數千年, 困擾無數智者的人類基本"心智-腦問題," 透過討論學習最近之研究成果, 及新興的電腦軟硬體量化計算模型原理與限制, 能在大略符合神經生理學與認知心理學實驗觀察可靠文獻之前提下, 建立模擬人類認知行為的軟硬體系統, 用以探討人類認知行為的可能神經科學機制與其發生病態的可能原因, 或在系統建立過程中, 發現過去哲學基礎, 理論模型或實驗方法之瑕疵並提出合理修正建議, 甚或完成更可信之理論模型, 得到更符合實際觀察實驗的模擬結果. 期望學生得以由修習本課程之經驗, 建立計算認知神經科學基礎, 將來或可對"心智-腦問題"之研究有所貢獻, 或者藉由所建立使用的軟硬體Neuromorphic 計算系統, 運用於提高人工智慧演算法及機器人設計之效率及人機介面之改善. 
課程要求
 一. 預修科目:
1. 計算機程式設計: 如Basic, Lisp, C, C++, C#, Java, MATLAB, Octave, C#, Python, Mathematica等語言之程式設計, 只要會用迴圈, 陣列, 函式就大概足以應付, 而以 MATLAB, Octave 配合其toolbox及Simulink; Python搭配有關package; 神經網路模型構建語言PyNN, Nengo 等最為合用; 能懂會用物件導向(object oriented)觀念也不錯. 如果不會程式設計, 期末專題找會寫程式的人一組或者利用網路上豐富的各種語言教學資源自修更好. 使用網路上一些有關的軟體系統如教科書所配合的emergent, 神經細胞模擬軟體GENESIS, NEURON, 等等來完成三次作業及認知模型系統期末專題實作也可以. 學過類神經網路(ANN), 人工智慧(AI), 或神經模擬等知識也很有幫助.

2. 非線性微分方程組Dynamic Systems理論: 用到一點點, 不懂沒關係, 上課會簡單介紹基本觀念, 也會提供易學的參考書. 能使用軟體語言或工具或數位IC電路模擬以數值方法直接解方程組也可以, 學過的當然會了解得深入一些.

3. 認知神經科學: 會由基礎開始介紹, 所以沒學過也行. 修過相關課程如腦與心智科學概論, 心與腦, 神經生理學, 認知心理學, 神經生物與認知科學學程的同學可能會覺得某些部分與以前所學重複.

二. 上課方式:

第一週上課前: 請修課及旁聽同學寄email給任課教師, 介紹就讀學校及系所年級, 修或旁聽本課程動機, 及希望學得的知識或實作經驗, 已修過的相關課程或對本課程學習可能有用之專長, 對課程的問題.

第一週上課: 第一節隨機抽選修課及旁聽同學, 每位自我介紹1~2分鐘. 蒞臨指導之老師先進亦請介紹自己, 時間自行斟酌, 唯建議亦在2分鐘左右為佳. 此舉目的為希望各位老師先進, 修課旁聽同學, 及任課教師互相認識, 增加互動學習機會. 該週教材同學請先自行預習, 第二節由任課教師將同學分組討論, 各組並在第三節上課前完成討論結果投影片製作. 第三節先由各組以1分鐘報告討論結果, 再隨機抽選一組報告20分鐘, 之後進行Q & A討論.

課前預習: 自第一週起上課前修課或旁聽之同學請先行主動閱讀當週進度之教科書與參考書內容, 含任課老師補充教材之投影片, 及相關文獻, 瀏覽有關網路資源. 隨即可至CEIBA中本課程之討論區提問或就自己所知回答他人問題. 此一階段任課老師不介入, 由同學自由討論, 其他有興趣的老師及各方先進當然歡迎加以指導(限於CEIBA系統限制,同樣匿名).

課堂討論: 任課老師可能由投影片抽取數張說明本週進度重點, 補充相關內容, 回應同學在CEIBA討論的部分問題, 邀請某位同學就預習所得, 對某問題發表意見看法, 並鼓勵同學在課堂上發問或表達意見. 當然歡迎其他參與老師與各先進指導並參加討論. 任課老師亦可能隨機指定聽課同學分組進行討論, 討論主題可能由教師先決定, 亦可能各小組自行決定(與當日課程進度有關為佳), 再由各小組推派一位同學報告討論過程, 正反意見及衍伸, 同感困擾之問題與結果摘要. 其他參與老師及先進於小組討論時間, 歡迎指點任課老師若干重點概念, 可用資源, 及進行討論, 或任選一小組指導其討論. 各章依課程表時間討論, 分配時間終了時, 不論課堂討論狀況如何, 該週進度視為已達成, 下一週依新進度同樣進行, 但仍可於討論區或課堂上討論之前進度內的問題.

由於採用此種方式上課, 強烈建議同學課前主動妥為預習, 上課時攜帶具校園內無線上網及連接單槍投影機VGA插槽功能之筆記型或平板型電腦, 一方面可隨時讀取任課老師準備之教材投影片, 或教科書電子版, 又可隨時搜尋網路相關資源, 下載或上傳資料至雲端空間如NTUSpace, 方便註記重點, 疑問, 討論意見, 備份資料, 及整理所得資訊後提供的看法; 另一方面也可以利用免費心智圖製作軟體XMind(http://actsmind.com/blog/)或其他適當軟體工具, 統整紀錄課堂與小組討論重點與心得, 臨時以Power Point或其他方便之投影片製作放映軟體作出投影片, 協助發問或表達意見觀點及報告小組討論結果. 各項上課時產生之資料均可上傳雲端, 課後隨時下載參考.

三. 作業
作業繳交日前每位修課同學需自訂一個本課程範圍內主題, 參閱相關文獻, 整理比較異同, 延伸或批判其內容, 亦可提出自己的創新想法, 完成系統化討論(如能建立電腦軟硬體模型進行數值實驗, 討論所得結果與文獻比較更佳), 以英文寫成一份8至20頁學術報告格式書面報告, 包含Title, Author, Abstract, Introduction (含Motivation, Focused Problem, Arrangement of Studies on Selected Literatures等), Studies on Selected Literatures, Discussions, Conclusions, References, 以及學習心得(此部分可用中文)等內容. 報告中需以學術論文規定方式引用文獻, 圖表, 方程式等(報告中出現的圖表方程式均須提及並說明, 不可單放圖表方程式, 以為讀者看到圖表方程式就看得懂）, 另於報告中獨立一 References部份, 註明報告中引用到的文獻(每一文獻在報告行文中至少要出現一次有對應之引用標記）. 建議使用Word配合總圖及校計中提供之Endnote, 或採用排版軟體如Latex方便引用加註. 全書面報告轉成pdf檔. (如有電腦軟硬體模型模擬, 請將模型重要軟硬體架構與程式關鍵流程及片段或硬體設計重點, 或軟硬體工具操作過程, 獨立出來成為Appendix, 另轉一份pdf檔).此外並準備由同樣內容整理, 含標題頁之7張左右投影片power point檔, 全部壓縮成一個zip檔, 於作業繳交日上課前由CEIBA系統上傳.
作業每次每人繳交一份, 不可多人合交. 如為多人合作, 亦須分開撰寫不同內容.
作業繳交日最後一節, 輪流抽籤決定同學以其準備之投影片, 進行簡報, 若有系統展示(demo, 必要時播放預錄影片可避免臨時出狀況)更佳. 簡報過程聽眾不發問, 但仍可於CEIBA討論區或其他課堂討論. 旁聽同學亦歡迎繳交書面及投影片作業(以email繳交), 並參加抽籤簡報.

四. 認知模型系統期末專題實作
課程進行中, 修課及旁聽同學自組1至3人之團隊(鼓勵不同校系所同學合作), 於規定日期由CEIBA繳交團隊名單及一頁之期末專題構想, 說明預定模擬之認知功能, 及可能之電腦模型軟硬體實作方法. 隨後團隊即持續合作, 以任何工具, 建立可能產生此等現象之認知神經科學模擬系統, 並與認知心理學, 神經生理學, 認知神經科學, 或類似之計算認知心理學主題有關文獻比較, 討論結果合理性, 相似相異處, 方法優缺點等.
每一團隊應以學術論文格式寫成一份英文書面報告, 比照正式學術報告格式撰寫, 包含Title, Abstract, Introduction (含Motivation, Literature Survey, 相關之課程章節), Contributions (或Significance, 均只用一段簡短文字描述),Theoretical and/or Experimental Background, Proposed Model/Design, Numerical Results and Discussions, Conclusions, 以及學習心得(此部分可用中文)等內容. 報告中需以學術論文規定方式引用文獻, 圖表, 方程式等(報告中出現的圖表方程式均須提及並說明, 不可單放圖表方程式 , 假設讀者看到圖表方程式自己就看得懂）, 另於報告中獨立一 References部份, 註明報告中引用到的文獻(每一文獻在報告行文中至少要出現一次有對應之引用標記）. 建議使用Word配合總圖及校計中提供之Endnote, 或採用排版軟體如Latex方便引用加註. 全書面報告轉成pdf檔. (如有電腦軟硬體模型模擬, 請將模型重要軟硬體架構與程式關鍵流程及片段或硬體設計重點, 或軟硬體工具操作過程, 獨立出來成為Appendix, 另轉一份pdf檔).此外並準備投影片Power Point檔,均於期末專題發表日(期末考後一週原上課日)原上課第一節時間前, 壓縮成一個zip檔, 由CEIBA系統繳交.  
預期每週課後學習時數
  
Office Hours
 另約時間 備註： 請一週前以電子郵件預約(email address: skjeng@ntu.edu.tw)  
指定閱讀
 教科書:
R. C. O'Reilly, Y. Munakata, M. J. Frank, T. E. Hazy, and Contributors, Computational Cognitive Neuroscience. Wiki Book, 2014 (http://ccnbook.colorado.edu). 搭配免費示範軟體emergent, 此一軟體在家可由http://grey.colorado.edu/emergent/index.php/Main_Page 免費下載. 雖然功能強大, 容易觀察操弄造成若干認知現象之可能神經網路的運作情形, 但要用其提供之語言撰寫自己所需之程式則相當複雜麻煩, 作業或期末專題若要自己寫程式最好改用其他程式語言或工具.

教科書原先設定之讀者為心理系所學生, 因此對神經細胞與網路系統的定量討論及認知現象之電腦模型建立原理等不夠深入, 而書中介紹的認知神經科學說明, 對電機資訊科系等較少接觸的同學而言, 又不夠清楚易懂.
因此本課程將在教科書內容外, 隨時補充認知心理學；認知神經科學；神經細胞, 網路, 與系統之數學計算模型原理及實作等的有關討論. 補充教材將以XMind 2013之心智圖工作簿檔提供, 因此請裝設免費軟體XMind 2013(http://actsmind.com/blog/) 以便閱讀.
 
參考書目
 本課程為一跨領域課程, 除認知心理學, 數值模擬, 及神經科學外, 亦多少涉及或可應用於哲
學, 神學, 經濟學, 社會學, 法學, 人類文化學, 人工智慧, 仿生學(Cybernetics), 機器人
學(Robotics), 機器學習(Machine Learning), 圖論(Graph Theory), 網路科學, 計算機
結構, IC系統設計, 藥理學, 基因科學, 分子生物學, 統計學, 教育學等範疇, 可參考之書籍
頗多. 茲將較相關之參考書列出如下(已通知圖書館置於參考書架, 限館內閱覽):

[Computational Cognitive Neuroscience and Computational Neuroscience]
Chris Eliasmith, How to Build a Brain: A Neural Architecture for Biological
Cognition (Oxford Series on Cognitive Models and Architectures), Oxford
University Press, 2013.

B. Anderson, Computational Neuroscience and Cognitive Modelling: A Student's
Introduction to Methods and Procedures, London: SAGE, 2014. (所用數學及程式語
言的簡單介紹, 對非電資學院同學比較有用)

Thomas P. Trappenberg, Fundamentals of Computational Neuroscience, Oxford
University Press, 2010. 另附參考資源網址:
http://www.cs.dal.ca/~tt/fundamentals

D. Sterratt, B. Graham, A. Gillies, D. Willshaw,
Principles of Computational Modeling in Neuroscience
Cambridge University Press, 2011.


[Cognitive Neuroscience]
M S. Gazzaniga, R. B. Ivry, G. R. Mangun, Cognitive Neuroscience: The
Biology of the mind, 4th ed., New York: Norton, 2013.

Dale Purves, Roberto Cabeza, Scott A. Huettel, Kevin S. LaBar, Michael L.
Platt, Marty G. Woldorff, Principles of Cognitive Neuroscience, Sunderland,
MA, USA: Sinauer Associates, Inc.., 2013. 另附參考資源網址:
http://sites.sinauer.com/cogneuro2e/index.html

[Neural Science]
Eric R Kandel ed., Principles of neural science, 5th ed., New York : McGraw-
Hill Medical, 2013.

[Cognitive Psychology and Psychological Science]
Michael S. Gazzaniga, Todd F. Heatherton, Diane F. Halpern, Psychological
science, 4th ed., New York : W. W. Norton, 2013. 另附參考資源網
址:http://www.wwnorton.com/college/psych/psychsci4/ch/01/studyplan.aspx

[cognitive science]
J. L. Bermudez, Cognitive science : an introduction to the science of
the mind, 2nd ed., Cambridge : Cambridge University Press, 2014.

[Philosophy]
W. R. Uttal, Mind and Brain: A critical appraisal of cognitive neuroscience,
Cambridge, MA: MIT Press, 2011.

[推薦科普讀物]
Rita Carter, Mapping the Mind, University of California Press, 2000.

R. D. Fields, The Other Brain: From dementia to schizophrenia, how new
discoveries about the brain are revolutionizing medicine and science, New
York: Simon & Schuster, 2010.
中文譯本: 道格拉斯.費爾茲(R. Douglas Field, Ph.D.)著 ; 楊宗宏, 楊凱雯, 潘震澤譯,
另一個腦 : 開啟思考、記憶健康與疾病的未知領域, 新北市 : 衛城, 2013.








 
評量方式
(僅供參考)
  
No.
項目
百分比
說明
1. 
 課堂及CEIBA 討論區全學期表現 
20% 
 以發問及回答他人問題之次數,問題與答案和問題的相關性, 創新性, 邏輯合理性, 及內容深度等, 由任課教師在學期末依印象評分. 提問參考: 黃慶祥教授所著的<<讓老師自由: 教人不教書>> http://www.books.com.tw/products/0010599014 第二篇:創意篇, 介紹問「好問題」的原則: 1. 好問題是經過思考的, 應該多問How的問題, 少問What, Why的問題 2. 好問題應就主題進一步發揮, 例如: 「如果能…, 是不是就能...」 3. 自行推演疑問再發問, 例如「我做了...推演, 但仍有...無法想通之處」 
2. 
 兩次作業 
50% 
 每次作業25% 作業以 A+ = 97.5, A = 92.5, A- = 87.5, B+ = 82.5, B = 77.5, B- = 72.5 等評分, 缺交為0分,遲交依規定扣分. 作業由任課教師批改, 評分要點為報告內容是否適當回應主題, 內容安排是否有創意且系統化, 自創想法是否有新意且有證據支持, 邏輯論述是否清楚合理易懂, 相關文獻引用是否適當, 軟硬體數值實驗實作或文獻整理及延伸之結果討論是否創新周延, 學習心得是否言之有物等. 同學若自修或向其他師長先進, 學長或同學學得超過課程進度之內容,並應用於自行完成之作業, 需敘明自修或討論學習過程於學習心得部份. 作業亦可利用其他既有之相關開放程式碼或無版權顧慮之軟硬體工具及網路上可公用之數據, 影音, 圖片等資料, 直接或修改後採用, 以完成同學構想之主題, 但需註明出處及修改應用之處. 作業討論時間若抽到的修課同學未事先請假, 又不在教室內, 作業成績先九五折, 隨後由抽到之時間至該同學出現或下課, 每十分鐘將該份作業成績乘以0.95一次. 作業遲交時,成績先打九折,隨後自預定繳交日第一節開始上課時間算起,每逾一日(24小時),該次作業成績乘以0.85一次. 若因另有要事無法出席作業討論者, 仍須於作業討論日上課第一節前上傳作業壓縮檔. 並須與授課老師商量, 於適當時間進行作業簡報.  
3. 
 期末專題書面報告 
15% 
 由任課老師主觀依照書面報告之整體表現, 以 A+ = 97, A = 92, A- = 87, B+ = 82, B = 77, B- = 72 等評分, 缺交為0分. 不論原因, 遲交者成績打八折,期末專題發表日開始算起兩天(48小時)後,不再收補交之書面報告,該項成績為零分.  
4. 
 期末專題口頭報告及展演 
15% 
 於期末專題發表日(期末考後一週原上課日)原上課第一節時間開始, 輪流抽籤決定報告團隊. 每個團隊都會上台, 簡報加系統展示(必要時得播放預錄影片)10分鐘,持續到所有團隊報告完畢. 如果團隊數過多, 無法於4小時內結束, 任課老師可能重新安排專題發表時間, 將其延長至一到兩整天. 聽眾同樣不發問(但仍可於CEIBA討論區討論, 也歡迎其他有興趣老師及先進在討論區指導, 作為任課老師批改書面報告及打討論表現分數之參考). 簡報時其他聽講同學為報告團隊以1至5分評分, 並註記優缺點. 自己團隊報告時, 應迴避不予評分. 所評分數1至5分各分數所占人數應照報告當日宣佈之規定比例分配, 不可全部打相同或只打少數特定分數. 各團隊之口頭報告及展演成績為其他同學評分截頭去尾後平均(x),換算得分為 70+5x,缺席為0分. 因不可抗力原因如參加遊學團或其他課程之野外實習等, 須盡早通知任課教師請假. 每團隊於報告日當天, 至少要有一人出席簡報成果. 若因如上述原因, 致報告時間無人能參加簡報者, 須及早通知任課老師, 可安排於最後上課日最後一節下課前簡報. 但要求之pdf檔仍應於規定時間之前上傳.發表會後, 若確因不可抗力原因致團隊中無人能出席發表會者, 須附證明, 並於報告日當晚12:00前以email通知任課老師, 安排第二日適當時間向任課老師簡報, 並由任課教師評分. 如仍無法簡報者, 由團隊與任課老師商討變通方法. 無論何種情形, 專題報告之Power Point檔均應於規定時間前上傳. 遲交者不論原因, 成績打八折.  
 
課程進度
週次
日期
單元主題
第1週
 9/19  修課同學及蒞臨指導之老師先進自我介紹, Overview(本學科發源,相關領域,及未來發展概述)
教材CCN2014Overview.xmind檔案太大(約34MB),
請自NTUSpace連結
https://www.space.ntu.edu.tw/navigate/s/A5C8B5624B1D41E7932B4042E57FBFD1QQY 
第2週
 9/26  1. Introduction,
5. Brain Areas
教材IntroductionBrainAreas.xmind約8MB,請至 NTU Space
https://www.space.ntu.edu.tw/navigate/s/6BD3FF62DF924B12837E769144F6A45DQQY
下載 
第3週
 10/03  2. The Neurons (任課教師擬另編教材, 但教科書中pp. 10-11, pp. 21-29 仍可參考)
教材NeuronA.xmind約9MB,請至 NTU Space https://www.space.ntu.edu.tw/navigate/s/4DFB2162CAF84D469C9D1A2A6E7971F7QQY 下載 
第4週
 10/10  國慶日放假 
第5週
 10/17  2. The Neurons (任課教師擬另編教材, 但教科書中pp. 10-11, pp. 21-29 仍可參考)
教材請自NTUSpace下載, 網址為
https://www.space.ntu.edu.tw/navigate/s/616AA0C46E6E4CE5A8F8EB7EB54EC05AQQY 
第6週
 10/24  3. Networks, 教科書中有關kWTA Approximation for Inhibition部分可略去.
教材約15MB, 放在NTUSpace 下列網址可供下載:
https://www.space.ntu.edu.tw/navigate/s/00DB4B4CF9E8423F9314F59CB49ACDF1QQY

 
第7週
 10/31  3. Networks, 教科書中有關kWTA Approximation for Inhibition部分可略去.
本週教材已放在NTUSpace, 請自以下網址下載:
https://www.space.ntu.edu.tw/navigate/s/F3C4578825964EB484400A79E492ECE7QQY 
第8週
 11/07  4. Learning Mechanisms, 教科書中有關XCAL Model的說明不足, 任課教師補充相關資料.
教材已放置於NTUSpace下列網址可供下載
https://www.space.ntu.edu.tw/navigate/s/4D1D2E08AC384A5DBFA4EC0E12F5291AQQY
繳交及討論第一次作業 
第9週
 11/14  4. Learning Mechanisms, 任課教師補充相關資料. 教材已放置於NTUSpace下列網址可供下載 https://www.space.ntu.edu.tw/navigate/s/4D1D2E08AC384A5DBFA4EC0E12F5291AQQY 
第10週
 11/21  6. Perception and Attention
本週教材已放置於NTUSpace下列網址供下載
https://www.space.ntu.edu.tw/navigate/s/877E2E0C465445C180919982CBDD5B60QQY 
第11週
 11/28  6. Perception and Attention.
繳交分組名單及期末專題構想書(一頁即可, 不計分, 期末考前可隨時補交) 
第12週
 12/05  7. Motor Control and Reinforcement Learning,教科書說明不足, 任課教師補充相關資料.
教材已放置於NTU Space下列網址
https://www.space.ntu.edu.tw/navigate/s/C82CBE68B8B54BE580F805F3B11841F9QQY 
第13週
 12/12  7. Motor Control and Reinforcement Learning,教科書說明不足, 任課教師補充相關資料
本週教材已放置於NTU Space下列網址:
https://www.space.ntu.edu.tw/navigate/s/3AB2F7D693384D11BBF0A1B829239B89QQY 
第14週
 12/19  8. Learning and Memory
本週教材已放置於下列NTUSpace 網址:
https://www.space.ntu.edu.tw/navigate/s/8E4CBEF7229B4FA598B1983093481D45QQY

請前往下載閱讀. 
第15週
 12/26  9. Language 教材已放置於下列NTUSpace網址
https://www.space.ntu.edu.tw/navigate/s/1501924F84B544EE947A99EC430C9391QQY
請前往下載 
第16週
 12/27 
繳交及討論第二次作業 
第17週
 1/09  9. Language 
第18週
 1/16  期末考週, 請同學一方面準備其他科目期中考,
一方面繼續趕工期末專題系統實作.
本週原定舉行之期末專題發表會改於
下週(期末考後下一週)辦理 
第19週
 1/23  期末專題實作成果發表會