计算神经科学

神经编码

• 回归与相关性：多元线性回归、偏相关分析
• 神经流形（neural manifold）
• 无监督的降维方法
  • 线性降维：主成分分析（PCA）
  • 非线性降维：t-SNE、UMAP
• 有监督的降维方法
  • 靶向降维（targeted dimension reduction，TDR）
  • 去混合主成分分析（Demixed principal component analysis，dPCA）

神经解码

• 线性判别分析（LDA）
• 支持向量机（SVM）
• 人工神经网络（ANN）

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

• Nature Neuroscience特刊：
  • Computational and Systems Neuroscience（2005年）
  • Computational and Systems Neuroscience（2011年）
• Neuron特刊：
  • How Does the Brain Work? （2017年）

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）、门控循环单元(GRU)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