生物学

Neuronal Dynamics: From Single Neurons to Networks and Models of Cognition

Wulfram Gerstner; Werner M. Kistler; Richard Naud; Liam Paninski

英文原名: Neuronal Dynamics: From Single Neurons to Networks and Models of Cognition

完整计算神经科学教材，把神经元方程、随机脉冲与网络动力学连接到认知模型，适合已有微分方程和概率基础的读者进行建模训练。

需要的基础

需微分方程、概率和基础线性代数，细胞神经科学有助解释。Python用于配套习题，但中心要求是能理解模型的数学结构和生物含义。

computational neurosciencespiking neuronsneural networks

适合高年级本科及研究生初期计算神经科学，从单个脉冲神经元走向群体行为，把生物问题联系形式模型。对希望解释模拟假设与预测、而非只重现脉冲图的读者有用。

需微分方程、概率和基础线性代数，细胞神经科学有助解释。Python用于配套习题，但中心要求是能理解模型的数学结构和生物含义。

单细胞模型、膜动力学和脉冲产生进入随机模型、编码、估计与网络，把Hodgkin-Huxley、Hopfield等经典框架与广义线性模型、决策主题联系起来，配套Python支持选章模拟。

先选简单神经元，说明保留与舍弃的生物性质，改输入前预测反应。改变步长与随机种子，区分数值行为和目标现象；围绕同一问题比较机制模型与统计模型能解释什么，利用总结和习题重建论证，不把拟合成功视为机制已被识别。

EPFL完整授权在线书标明Cambridge University Press版权，免费阅读明确，但复制需出版社许可，不推定CC。练习软件另有分发条件，不能把软件权利套到正文；本页不推测纸本载体编号。