Toggle navigation sidebar
Toggle in-page Table of Contents
Juliaで学ぶ計算論的神経科学
Juliaで学ぶ計算論的神経科学
まえがき
はじめに
神経科学と数理モデル
記号の表記
Julia言語の基本構文
線形代数
微分方程式
線形回帰と最小二乗法
確率論
確率過程と確率微分方程式
神経細胞のモデル
神経細胞の形態と生理
Hodgkin-Huxleyモデル
FitzHugh-Nagumoモデル
Leaky integrate-and-fire モデル
Izhikevich モデル
Inter-spike interval モデル
神経突起の成長モデル
シナプス伝達のモデル
シナプスの形態と生理
Current / Conductance-based シナプス
指数関数型シナプスモデル
動力学モデル
シナプス入力の重みづけ
動的シナプス
神経回路網の演算処理
ゲイン調節と四則演算
局所学習則
Hebb則と教師なし学習
自己組織化マップと視覚野の構造
エネルギーベースモデル
エネルギーベースモデル
Hopfield モデル
Boltzmann マシン
スパース符号化
予測符号化
貢献度分配問題の解決策
勾配法と誤差逆伝播法
線形多層ニューラルネットワークの学習ダイナミクス
BPTT (backpropagation through time)
運動制御
躍度最小モデル
終点誤差分散最小モデル
最適フィードバック制御モデル
無限時間最適フィードバック制御モデル
強化学習
TD学習
神経回路網によるベイズ推論
ベイズ脳仮説と神経活動による不確実性の表現
ベイズ線形回帰 (Bayesian linear regression)
マルコフ連鎖モンテカルロ法 (MCMC)
神経サンプリング
確率的集団符号化 (probabilistic population coding)
分位点回帰とエクスペクタイル回帰
付録
ラット自由行動下の軌跡のシミュレーション
格子細胞のデコーディング
Slow Feature Analysis (SFA)
グラフ理論とネットワークモデル
有用なリンク集
Jupyter bookの使い方 (Julia言語版)
repository
suggest edit
.md
.pdf
強化学習
強化学習
#
TD学習
