综述
简介:这是大卫·马尔(David Marr)经典著作《视觉》中的第一章,他在这里提出把大脑作为一个信息处理系统来看待,并且提出理解复杂的信息处理系统的三个层次:计算层、算法层与实现层,并强调理解大脑的关键在于理解大脑的计算理论(即信息转换的映射是什么,以及为什么是这个映射)。这本书引起人们对计算神经科学的兴趣,引领了计算神经科学的复兴。但不幸的是,David Marr因病逝世,时年三十五岁。
- 计算神经科学导论(汪小京,2009)(英文版,中文版)
- Nature Neuroscience 专题特刊:Computational Approaches to Brain Function(2000年)
计算神经科学
注:这部分知识整理自Peter Dayan与Larry Abbott的《理论神经科学》
神经编码
- 相关学科:信号处理,随机过程
- 知识框架
- 《理论神经科学》第01章 神经编码I: 发放率与峰电位统计学
- 《理论神经科学》第02章 神经编码II:反向相关和视觉感受野
神经解码
- 相关学科:统计学(参数估计)、机器学习
- 知识框架
- 《理论神经科学》第03章 神经解码
信息论
- 相关学科:信息论
- 知识框架
- 《理论神经科学》第04章 信息论
神经元模型
- 相关学科:动力系统
- 知识框架
- 《理论神经科学》第05章 神经元模型I:神经电子学
- 《理论神经科学》第06章 模型神经元II:电导和形态学
神经网络模型
- 相关学科:动力系统
- 知识框架
- 《理论神经科学》第07章 网络模型
可塑性与学习
- 相关学科:机器学习
- 知识框架
- 《理论神经科学》第08章 可塑性与学习
经典条件反射与强化学习
- 相关学科:机器学习
- 知识框架
- 《理论神经科学》第09章 经典条件反射与强化学习(1)
表示学习
- 相关学科:机器学习
- 知识框架
- 《理论神经科学》第10章 表示学习
机器学习
注:这部分知识整理自周志华的《机器学习》(“西瓜书”)
模型评估与选择
有监督学习
- 线性模型:线性回归、逻辑斯蒂回归、线性判别分析
- 决策树
- 神经网络:M-P神经元模型、感知器、误差反向传播(BP)算法
- 支持向量机
- 贝叶斯分类器
无监督学习
- 聚类
- 降维与度量学习
- 特征选择与稀疏学习
强化学习
- 有模型与无模型学习
其它
- 半监督学习
- 规则学习