logo

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)
Powered by Jupyter Book
  • repository
  • suggest edit
  • .md

貢献度分配問題の解決策

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)

previous

予測符号化

next

勾配法と誤差逆伝播法

By Takuto Yamamoto
© Copyright 2020-2022.