进阶知识

计算神经科学

神经编码

  • 神经流形

神经网络

  • 储备池计算、FORCE学习
  • 图网络

感知觉

多感觉整合(multisensory integration)模型

  • 贝叶斯整合模型
  • 连续吸引子网络(CANN)模型
  • 概率群体编码(Probability population code, PPC)模型

因果推断(causal inference)模型

  • 贝叶斯因果推断模型

空间感知模型

  • 位置细胞的位置野的形成:网格细胞模型、边界向量细胞模型
  • 网格细胞的网格野的形成:二维连续吸引子模型、震荡干涉模型
  • 头朝向细胞调谐的形成:一维连续吸引子模型

工作记忆

  • 吸引子网络模型

抉择

  • 漂移扩散模型(Drift-diffusion model, DDM)
  • 吸引子网络模型

注意力

  • 归一化模型(normalization model)

意识

  • 全局工作空间理论(Global workspace thoery, GWT)
  • 整合信息理论(Integrated information theory, IIT)

统一理论

  • 自由能原理(Free-energy principle, FEP)

文献推荐

深度学习

卷积神经网络(CNN)

  • 卷积、池化

循环神经网络(RNN)

  • 长短期记忆(LSTM)和其他门控RNN

深度生成模型

  • 深度信念网络(DBN)

深度强化学习(DRL)

  • A3C算法

应用

  • 计算机视觉
  • 语音识别
  • 自然语言处理:机器翻译
  • 推荐系统
  • 知识表示、推理和回答

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据