課程資訊

Computational Cognitive Neuroscience

108-1

EE5156

921 U4370

3.0

Ceiba 課程網頁
http://ceiba.ntu.edu.tw/1081EE5156_

.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; 且必須撰寫作業報告及分組完成期末專題實作, 兩者均需完成認知行為之模型實作, 並能討論其成果. 課業繁重, 學習較被動, 無強烈決心及毅力之同學請慎重考慮.

The BRAIN Initiative (http://www.nih.gov/science/brain/,
http://en.wikipedia.org/wiki/BRAIN_Initiative);

http://en.wikipedia.org/wiki/Human_Brain_Project);

The Blue Brain Project (http://bluebrain.epfl.ch/, http://en.wikipedia.org/wiki/Blue_Brain_Project );

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.

1. 計算機程式設計: 本課程絕大部分的的範例, 作業, 期末專題等, 均使用Python程式語言. 修課同學不一定要學過Python, 課程中會有簡介, 但同學最好開學前就能對以下一般程式語言觀念有相當的了解: 變數, if...else,

D. Banas, Python Programming (Learn Python in One Video,約45分鐘), https://www.youtube.com/watch?v=N4mEzFDjqtA
.

2. 機率與統計: 例如probability density function, 期望值, mean, variance, Gaussian distribution, Poisson distribution, random variables,
conditional probability, Bayes定理等.

3. 認知神經科學: 作為計算模型須符合的限制(constraints), 但不是本課程唯一重點. 上課時會由基礎開始介紹, 所以沒學過也行.

1. 基礎教材: 盡量詳細講解, 並於上課時間內上完的內容
2. 參考教材: 同學自修以及準備作業和期末專題時可參考的內容
3. 延伸學習: 同學深入瞭解之途徑

Peter Harris, Designing and Reporting Experiments in Psychology, 3rd ed., In Open Guides to Psychology.Maidenhead : McGraw-Hill Education. 2008.

Robot Operating System 內的工具, 設計簡化的機器人軟體模型及其模擬環境. 隨後團隊即持續合作, 以Nengo及Python

Build a creature to seek food and return to a home nest
Build a serial working memory model that allows for loading, reset, etc.
Build a robot controller for a robot that you present instructions to, that it memorizes and then executes.
Build a model that does any one of the tasks in Spaun.

Office Hours

[Computational Cognitive Neuroscience and Computational Neuroscience]
R. C. O'Reilly, Y. Munakata, T. Hazy, and M. J. Frank, Computational
Cognitive Neuroscience, 2nd edition, 2014.

title=CCNBook/Main

P. W. Glimcher and E. Fehr ed., Neuroeconomics: Decision Making and the
Brain, 2nd ed., Oxford, UK: Elsevier Inc. ( in association with the Society
for Neuroeconomics—www.neuroeconomics.org), 2014.

http://www.sciencedirect.com/science/book/9780124160088

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

T. 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.

D. Purves, R. Cabeza, S. A. Huettel, K. S. LaBar, M. L.
Platt, M. 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]
E. R Kandel ed., Principles of neural science, 5th ed., New York : McGraw-
Hill Medical, 2013.

[Cognitive Psychology and Psychological Science]
M. S. Gazzaniga, T. F. Heatherton, D. F. Halpern, Psychological
science, 4th ed., New York : W. W. Norton, 2013. 另附參考資源網

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

John R. Anderson, How can the human mind occur in the physical universe?
New York : Oxford University Press, 2007.

[Philosophy]
Stuart M. Shieber, The Turing Test:Verbal Behavior as the Hallmark of Intelligence,
MA: MIT Press, 2004.

http://ieeexplore.ieee.org/xpl/bkabstractplus.jsp?bkn=6267336

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

[ROS]
M. Quigley, B. Gerkey, and W. D. Smart, Programming Robots with ROS:
A practical introduction to the Robot Operating System, Sebastopol, CA:
O'Reilly Media, Inc., 2015.

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

(僅供參考)

 No. 項目 百分比 說明 1. 作業 1 書面報告 30% 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, 實作一項課程相關Python及/或Matlab程式, 並與文獻比較異同, 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, 以中文或英文寫成一份8頁左右書面報告, 以上書面報告轉成pdf檔上傳. 請注意本課程與人工智慧相關領域如 Neural Networks, Deep Learning, Machine Learning等有所差距, 本課程作業需結合本課程內涵, 不宜將他處課程之作業原封不動交來. 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. 作業成績遲交者, 每逾一日(以每天下午2:00計), 成績八五折. 書面報告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. 評分為A+的作業書面報告 將會公布於CEIBA網站, 供所有同學參考. 2. 作業 1 心得報告及程式碼 0% 另外撰寫學習心得(中文)連同程式碼, 轉成另一份pdf檔上傳. 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. 會影響書面報告評分 3. 作業 1 簡報 0% 準備由同樣內容整理, 含標題頁之 7張左右投影片power point檔, 供作業討論日簡報之用. 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檔, 可避免臨時出狀況)更佳. 4. 作業 2 書面報告 30% 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, 實作一項課程相關Python及/或Matlab程式, 並與文獻比較異同, 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, 以中文或英文寫成一份8頁左右書面報告, 以上書面報告轉成pdf檔上傳. 請注意本課程與人工智慧相關領域如 Neural Networks, Deep Learning, Machine Learning等有所差距, 本課程作業需結合本課程內涵, 不宜將他處課程之作業原封不動交來. 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. 作業成績遲交者, 每逾一日(以每天下午2:00計), 成績八五折. 書面報告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. 評分為A+的作業書面報告 將會公布於CEIBA網站, 供所有同學參考. 5. 作業 2 心得報告及程式碼 0% 另外撰寫學習心得(中文)連同程式碼, 轉成另一份pdf檔上傳. 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. 會影響書面報告評分 6. 作業 2 簡報 0% 準備由同樣內容整理, 含標題頁之 7張左右投影片power point檔, 供作業討論日簡報之用. 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檔, 可避免臨時出狀況)更佳. 7. 期末專題主題及合作組員名單 0% 課程進行中, 修課及旁聽同學自組1至3人之團隊, 於第11週開始, 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, 完成之計算模型. 鼓勵使用 Robot Operating System 內的工具, 設計簡化的機器人軟體模型及其模擬環境. 本項目不計分, 可補交. 但至少請在１／６上傳分組名單, 以便分組, 方便以組為單位, 繳交期末專題. 如未有分組番號, 隨意上傳文件, 常會使其他小組無法上傳其成果. 8. 期末專題書面報告 20% 課程進行中, 修課及旁聽同學自組1至3人之團隊, 針對預定模擬之認知功能, 以電腦模型軟硬體實作, 完成計算模型. 鼓勵使用 Robot Operating System 內的工具, 設計簡化的機器　軟體模型及其模擬環境. 團隊持續合作, 以Nengo及Python 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, 完成書面報告繳交. 書面報告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. 團隊之期末專題書面報告成績即為各團隊成員之期末專題書面報告成績. 評分為A+的期末專題書面報告 將會公布於CEIBA網站, 供所有同學參考. 不論原因, 遲交者成績打八折,且於1月13日14:00後不再收補交之報告,該項成績為零分. 9. 期末專題簡報 20% 各團隊應完成期末專題實作, 並製作10分鐘左右解說展演投影片上傳. 同學於1/10原上課時段抽籤輪流上台簡報, 並為其他組簡報以1至5分評分,並鼓勵註記優缺點. 自己團隊之作品則應予迴避不評分. 所評分數1至5分各分數所 占人數應照屆時宣佈之規定比例分配, 不可全部打相同或均打少數特定. 各團隊之簡報成績為其他同學評分截頭去尾後平均(x),換算得分為 70+5x,未如期簡報之團隊除有特殊原因外, 以0分計算. 團隊之簡報成績即為團隊成員的簡報成績. 若確因不可抗力原因致無法完成短片之團隊, 須附證明, 並於1月10日中午12:00前以email通知任課老師, 安排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. 10. 期末專題心得報告及程式碼 0% 另外撰寫學習心得(中文)連同程式碼, 轉成另一份pdf檔上傳. 每一組繳交一份即可, 會影響書面報告評分 11. 期末專題簡報同儕互評評分表 0% 為其他團隊期末專題簡報之評分表. 自己團隊之作品則應予迴避不評分. 所評分數1至5分各分數所 占人數應照屆時宣佈之規定比例分配, 不可全部打相同或均打少數特定. 各團隊之簡報成績為其他同學評分截頭去尾後平均(x),換算得分為 70+5x, 未如期簡報之團隊除有特殊原因外, 以0分計算.

 課程進度
 週次 日期 單元主題 第1週 9/13 中秋節放假 第2週 9/20 1. Science of Cognition. Text: Sections 1.1 ~ 1.2 - The Science of Cognition: A brief history of cognitive science, Central features of the main approaches. Sections 1.3 ~ 1.4 - Challenges for cognitive science: Overview of the approach in this course. Extension: Cognitive Psychology and Python. 第3週 9/27 2. Neurons. Text: Sections 2.2 - An introduction to basic neurophysiology and anatomy: Extension: Spiking Models, Physiology and computational models of neurons. 第4週 10/04 2. Neurons. 第5週 10/11 彈性放假, 10/5 (六) 補課 3. Brains. Text: Section 2.3 - Levels of description in the behavioral sciences. Extension: Brain, Connectivity. 第6週 10/18 4. NEF Principle 1: Representation. Text: Sections 2.2.1 - Principle 1 of the NEF - representation. 第7週 10/25 4. NEF Principle 1: Representation 繳交第一次作業. 第8週 11/01 5..NEF Principles 2: Computation. Text: Sections 2.2.2 Principle 2 of the NEF - computation. 第9週 11/08 6. NEF Principle 3: Dynamics. Text: Section 2.2.3 - Principle 3 of the NEF - dynamics. 第10週 11/15 校慶停課 第11週 11/22 7. Perceptions. Text: Sections 3.1 - 3.4 Overview of the semantic pointer hypothesis, Distributed neural semantics. Text: Sections 3.5 - 3.7 An introduction to visual semantics, An introduction to motor semantics. Extension: Sensation, Visual system, Auditory system, hyperdimensional computing, word2vec 繳交期末專題實作分組名單及實作主題簡述. 第12週 11/29 8. Autoencoder And Semantic Pointer Hypothesis 9. Syntax Processing Text: Sections 4.1 - 4.7 Syntactic representations, Vector symbolic architectures, Implementations of VSAs in neurons. Learning syntactic manipulations, Modeling fluid intelligence, Syntax and semantics for structured concepts. 繳交第二次作業. 第13週 12/06 9. Syntax Processing 10. Action Control: Physiology Text: Sections 5.1-5.3 Basal ganglia anatomy and physiology, Basal ganglia function. Extension: execution and dementia 第14週 12/13 10. Action Control: Physiology 11. Action Control: Models. Text: Sections 5.4, 5.6-5.8 Basal ganglia use for flexible action selection, Example uses of the basal ganglia model in the SPA. 第15週 12/20 11. Action control: Models 12. Memory Text: Sections 6.1-6.3 Introduction to cognition through time, Working memory and serial working memory. Extension: Psychological and physiological views Short-time and long-time memory, memory and dementia 第16週 12/27 12. Memories. 13. Learning Text: Sections 6.4 Physiology of Learning Spike-timing dependent plasticity (STDP), Reinforcement learning, Learning transformations with the hPES rule. 第17週 1/03 13, Learning 14. Spaun Model. Text: Sections 7.1-7.3 A review and overview of the SPA, The Spaun model and tasks. 第18週 1/10 (期末考週) 期末專題實作成果發表會