Thursday, October 7, 2021

計算論的神経科学: 脳の運動制御・感覚処理機構の理論的理解へオンラインブックダウンロード

計算論的神経科学: 脳の運動制御・感覚処理機構の理論的理解へ (日本語) 単行本 – 2019/6/14

計算論的神経科学: 脳の運動制御・感覚処理機構の理論的理解へ (日本語) 単行本 – 2019/6/14 - 田中宏和による計算論的神経科学: 脳の運動制御・感覚処理機構の理論的理解へ (日本語) 単行本 – 2019/6/14は森北出版 (2019/6/14)によって公開されました。これには304ページページが含まれており、基礎医学, 神経科学というジャンルに分類されています。この本は読者からの反応が良く、11個の評価人の読者から5つ星のうち4.6の評価を受けています。今すぐ登録して、無料でダウンロードできる何千もの本にアクセスしてください。登録は無料でした。サブスクリプションはいつでもキャンセルできます。

脳はいかにして複雑な感覚を処理し、精巧に身体を操るのか? その問いに計算理論/表現とアルゴリズム/実装の観点から挑むのが、計算論的神経科学(computational neuroscience)である。本書は運動制御・感覚処理の理論と実験を中心に、分野の成立当初から現代までの研究事例を多数紹介。計算論的神経科学の歩みと、脳の理解がどこまで来たのかを概観する。計算論的アプローチに欠かせない制御理論、統計学、最適化数学、ニューラルネットワーク、信号解析といった数理的ツールについては基礎から解説し、どの分野の読者でも入門できるように配慮されている。★推薦の言葉★手が届かなかった理論と数式の意味が、次々と腑に落ちていく快感。脳と理論を知悉する著者の親身の指導を体験すれば、神経科学者は脳の理論の、理論家は脳の機能の、深い理解に到達するだろう。――北澤茂(大阪大学教授、神経科学)脳の計算論に関して最新かつ重要な研究がほぼ網羅されている。これだけ多くの重要概念をひとりで網羅できる筆者の博識に圧倒され、背後に見え隠れする研究哲学には感銘を受ける。認知神経科学・認知心理学の学生・研究者に広くおすすめしたい。――今水寛(東京大学教授、心理学) これこそ学際の教科書だ。制御理論と脳科学がどれほど深く繋がっているかをつぶさに見せてくれる好著。――太田順(東京大学教授、ロボティクス) 【目次】まえがき第0章計算論的神経科学―なぜ脳科学に計算論が必要なのか― 0.1 神経科学における実験的アプローチ 0.2 実験的アプローチの限界と定量的アプローチの重要性 0.3 マーの計算レベル 0.4 神経科学は脳をどこまで理解したか―物理学との対比― 0.5 運動制御と運動学習,感覚処理の計算論的神経科学第1章身体運動の基礎―キネマティクス・ダイナミクス・座標変換,それらの脳内表現― 1.1★ キネマティクス―外部座標と内部座標による身体姿勢の記述― 1.2★ ダイナミクス―外部座標と内部座標による身体運動の記述― 1.3 内部順モデルと内部逆モデル―脳のなかの身体モデル― 1.4 脳のなかの座標系と座標変換 1.5 脳は運動方程式を解いているか―?平衡点制御仮説― 1.6 第一次運動野の表現論第2章決定論的最適制御―運動の背後に潜む最適化の計算原理― 2.1 身体運動の法則性 2.2 キネマティクスの滑らかさ―躍度最小モデル― 2.3 ダイナミクスの滑らかさ―トルク変化最小モデル― 2.4 到達運動の座標系第3章状態空間モデル―運動過程と観測過程のモデル化― 3.1★ 状態空間モデルとは 3.2★ 状態空間モデルの可制御性と可観測性 3.3★ 状態空間モデルの柔軟性 3.4★ 確率論的状態空間モデルと隠れマルコフモデルとの関係 3.5 状態空間モデルによる運動適応のモデル化 3.6 状態空間モデルの神経基盤第4章最適推定―感覚入力からの外界再構成― 4.1★ 古典推定とベイズ推定 4.2★ 最尤推定法 4.3 最尤法による視覚と触覚の多感覚統合 4.4★ ベイズの定理とベイズ推定 4.5 最大事後確率法と最適推定としての錯視 4.6 運動中のベイズ推定 4.7 因果推定と情報統合 4.8★ カルマンフィルタ 4.9 外界の統計性を反映した運動適応 4.10★ カルマン平滑化 4.11 ニューラルネットワークモデルによる最適推定第5章確率論的最適制御―ノイズ下でも正確な運動を可能にする制御― 5.1★ フィードフォワード制御とフィードバック制御 5.2 最小分散モデル 5.3★ ダイナミックプログラミング 5.4★ ベルマン最適方程式(決定論的システムの場合) 5.5★ 線形二次レギュレータ(LQR)制御 5.6★ ベルマン最適方程式(確率論的システムの場合) 5.7★ 最適制御と最適推定 5.8 ヒト運動制御モデルとしての最適フィードバックモデル 5.9 最適フィードバックモデルによるヒト運動制御・運動学習のモデル化 5.10 無限時間最適制御 5.11 最適フィードバックモデルと計算論的神経解剖学第6章強化学習―報酬に基づく運動学習― 6.1★ ダイナミックプログラミングの復習と強化学習の問題設定 6.2★ 価値関数と割引報酬和 6.3★ Actor‐Critic学習 6.4★ Q 学習 6.5 ドーパミン細胞と脳内報酬表現 6.6 成功と失敗に基づく運動適応 6.7 再び最適制御第7章システム同定―運動適応過程のリバースエンジニアリング― 7.1★ システム同定と状態空間モデルの不定性 7.2 予測誤差法 7.3 Expectation‐Maximization法 7.4 部分空間同定法第8章次元縮約と成分分解―脳のなかの真の自由度― 8.1 主成分分析 8.2 独立成分分析 8.3 非負値行列因子分解 8.4 状態空間モデルの次元縮約法 8.5 因子分析第9章デコーディングとブレイン・コンピュータ・インターフェイス―脳の情報表現を読み取る― 9.1 エンコーディングとデコーディング 9.2 ポピュレーションベクトルと最尤推定 9.3 デコーディングと認知神経科学 9.4 ウィーナーフィルタを用いた時系列の再構成 9.5 ベイズ推定を用いた運動軌道の再構成 9.6 遅延期間中の神経活動からの運動標的の判別問題第10章小脳の計算論モデル 10.1 小脳の神経回路 10.2 小脳皮質の計算論モデル 10.3 内部順モデルと内部逆モデルに関する論争再考 10.4 小脳のカルマンフィルタモデル 10.5 なぜ脳は大脳皮質と小脳という異なる構造を必要としたか付録 AppendixA 変分法入門 AppendixB 拘束条件のある場合の最適化問題 AppendixC 力学的拘束条件のある場合の最適化:ポントリャーギンの最小原理 AppendixD クラメール―ラオの下限 AppendixE カルマンフィルタの連続時間極限 AppendixF 連続時間のハミルトン―ヤコビ―ベルマン方程式 AppendixG ダイナミックプログラミングとポントリャーギンの最小値原理の等価性 AppendixH 確率的力学のもとでのハミルトン―ヤコビ―ベルマン方程式 AppendixI ハミルトン―ヤコビ―ベルマン方程式の線形化 AppendixJ 行列のクロネッカー積と関連する公式コラムコラム1:ガレノスのブタと神経科学の誕生コラム2:ガルヴァーニのカエルと電気生理学の誕生コラム3:活動電位を初めて見たのは誰かコラム4:イカの巨大軸索とホジキン―ハクスリー方程式コラム5:脳刺激と機能局在論―運動野の発見― コラム6:視覚野からの単一細胞記録コラム7:運動野からの単一細胞記録コラム8:誰が最初に神経細胞を見たのかコラム9:臨床観察―壊れて初めてわかるもの― コラム10:心理物理―脳のシステム同定― コラム11:脳機能イメージングコラム12:認知神経科学―神経活動から心を測る― 英語索引日本語索引