?

Log in

No account? Create an account

Previous Entry | Next Entry

Sterratt D, Graham B, Gillies A, Willshaw D. (2011) Principles of computational modelling in neuroscience. Cambridge U. Pr.
Англ., 406 стр. Библиография ок. 750 назв.

Глубокое моделирование различных аспектов нервной системы. Можно читать и как учебник, и как справочник. Интересно, конечно, только специалистам, но вообще я бы рекомендовал интересующимся просто пролистать ее за час. Дело в том, что, как я заметил, у очень многих в голове складывается такая картина, будто нейрон — это такой взвешенный сумматор входных сигналов с неожиданным сигмоидом посередине. Именно таковы «нейроны» в вычислительных нейронных сетях, но к реальным нейронам такое поведение имеет отношение только на самом грубом уровне. Книга поможет понять, насколько велика пропасть между этим грубым приближением и известными электрохимическими процессами в живых клетках.

Математика и физика дается на уровне инженера-электроника. Например, закон Ома и интегралы-производные знать надо, а уравнение линии передачи в книге разъясняется. Написана и оформлена книга великолепно, текст ясный, иллюстрации ровно там, где надо. Мне кажется, что понятна она была бы всякому человеку со школьным образованием, хоть, конечно, предмет слишком узок для общего интереса.

Две трети основного текста книги посвящено моделированию различных аспектов нейрона и синапса (глл. 2—8), гл. 9 — сетям нейронов и гл. 10 — моделям роста и развития нервной системы.

Полистать дают в Гуголе книг.

Целиком видал тут.. Если будете искать — кое-где год указан неверно: 2008 вместо 2011.

Chapter 1 Introduction 1
1.1 What is this book about? 1
1.2 Overview of the book 9
Chapter 2 The basis of electrical activity in the neuron 13
2.1 The neuronal membrane 14
2.2 Physical basis of ion movement in neurons 16
2.3 The resting membrane potential: the Nernst equation 22
2.4 Membrane ionic currents not at equilibrium: the Goldman–Hodgkin–Katz equations 25
2.5 The capacitive current 30
2.6 The equivalent electrical circuit of a patch of membrane 30
2.7 Modelling permeable properties in practice 35
2.8 The equivalent electrical circuit of a length of passive membrane 36
2.9 The cable equation 39
2.10 Summary 45
Chapter 3 The Hodgkin–Huxley model of the action potential 47
3.1 The action potential 47
3.2 The development of the model 50
3.3 Simulating action potentials 60
3.4 The effect of temperature 64
3.5 Building models using the Hodgkin–Huxley formalism 65
3.6 Summary 71
Chapter 4 Compartmental models 72
4.1 Modelling the spatially distributed neuron 72
4.2 Constructing a multi-compartmental model 73
4.3 Using real neuron morphology 77
4.4 Determining passive properties 83
4.5 Parameter estimation 87
4.6 Adding active channels 93
4.7 Summary 95
Chapter 5 Models of active ion channels 96
5.1 Ion channel structure and function 97
5.2 Ion channel nomenclature 99
5.3 Experimental techniques 103
5.4 Modelling ensembles of voltage-gated ion channels 105
5.5 Markov models of ion channels 110
5.6 Modelling ligand-gated channels 115
5.7 Modelling single channel data 118
5.8 The transition state theory approach to rate coefficients 124
5.9 Ion channel modelling in theory and practice 131
5.10 Summary 132
Chapter 6 Intracellular mechanisms 133
6.1 Ionic concentrations and electrical response 133
6.2 Intracellular signalling pathways 134
6.3 Modelling intracellular calcium 137
6.4 Transmembrane fluxes 138
6.5 Calcium stores 140
6.6 Calcium diffusion 143
6.7 Calcium buffering 151
6.8 Complex intracellular signalling pathways 159
6.9 Stochastic models 163
6.10 Spatial modelling 169
6.11 Summary 170
Chapter 7 The synapse 172
7.1 Synaptic input 172
7.2 The postsynaptic response 173
7.3 Presynaptic neurotransmitter release 179
7.4 Complete synaptic models 187
7.5 Long-lasting synaptic plasticity 189
7.6 Detailed modelling of synaptic components 191
7.7 Gap junctions 192
7.8 Summary 194
Chapter 8 Simplified models of neurons 196
8.1 Reduced compartmental models 198
8.2 Integrate-and-fire neurons 204
8.3 Making integrate-and-fire neurons more realistic 211
8.4 Spike-response model neurons 218
8.5 Rate-based models 220
8.6 Summary 224
Chapter 9 Networks of neurons 226
9.1 Network design and construction 227
9.2 Schematic networks: the associative memory 233
9.3 Networks of simplified spiking neurons 243
9.4 Networks of conductance-based neurons 251
9.5 Large-scale thalamocortical models 254
9.6 Modelling the neurophysiology of deep brain stimulation 259
9.7 Summary 265
Chapter 10 The development of the nervous system 267
10.1 The scope of developmental computational neuroscience 267
10.2 Development of nerve cell morphology 269
10.3 Development of cell physiology 279
10.4 Development of nerve cell patterning 280
10.5 Development of patterns of ocular dominance 284
10.6 Development of connections between nerve and muscle 286
10.7 Development of retinotopic maps 294
10.8 Summary 312
Chapter 11 Farewell 314
11.1 The development of computational modelling in neuroscience 314
11.2 The future of computational neuroscience 315
11.3 And finally. . . 318
Appendix A Resources 319
A.1 Simulators 319
A.2 Databases 324
A.3 General-purpose mathematical software 326
Appendix B Mathematical methods 328
B.1 Numerical integration methods 328
B.2 Dynamical systems theory 333
B.3 Common probability distributions 341
B.4 Parameter estimation 346

Tags:

Comments

( 29 comments — Leave a comment )
alexandermarkov
Oct. 2nd, 2011 10:37 pm (UTC)
Как раз вовремя. Спасибо.

magnet:?xt=urn:btih:cadf487e23151c31ebf6342332d3354814efa630&dn=ebooksclub.org__Principles_of_Computational_Modelling_in_Neuroscience.pdf
cobetbi
Oct. 2nd, 2011 10:39 pm (UTC)
Это вроде вообще не важно абсолютно, какие там есть отличия у живых клеток от абстрактных нейронов в электронных моделях. Потому что и нейрофизиологи, увлекаясь тайнственными загадками жизни нейрона, чаще всего не понимают суть имеющейся целостной информационно-преобразовательной системы. Несут дикий бред. Мне больше всего раздражает, когда с умным видом уже полвека рассказывают про нейроны бабушек. Ну а от упоминаемых неглупыми людьми "зеркальных нейронов" у меня просто волосы выпадают от нервного недоумения. С одной стороны нейрофизиологи тупят. С другой стороны вся остальная общественность в наши славные времена всё больше склоняется к тому, что конечно же считать куск мяса в голове мыслящим смешно, низко, бездуховно. На самом деле, конечно же, есть высшие силы, порождающие всю происходящую между православными людьми высокодуховность. Причём, есть тоже неглупые люди, математики даже, которые считают так, или около того. И вот им тоже не нужно было бы голову заморачивать рассказами про отличия живого нейрона, про таинственность и непонятность. Всё отлично идеально понятно объясняется с помощью нейронных сетей как работает мозг со всей его любой хоть интеллектуальностью хоть высокодуховностью.

У меня только что начался сериал, где я планирую рассказать про все тайны мозга - Мозг и мышление.
fregimus
Oct. 2nd, 2011 11:44 pm (UTC)
Да рассказов я слышал гораздо больше, чем мне хотелось. Вы б лучше действующую модель построили, коли уж все знаете. Вот это было бы интересно!
cobetbi
Oct. 3rd, 2011 12:15 am (UTC)
Пока времени нет. Ближе к пенсии планирую заняться.

Тут надо ещё тогда вот что сказать. Я давно когда-то придумал такую штуку, и она мне с тех пор не стала меньше нравиться. Природа создала гепарда, который может бежать со скоростью 100км/час пять секунд. Надо создать точную модель ноги гепарда, промоделировать в точности все процессы в каждом мышечном волокне, офигенно будет. Или может лучше тупо нарисовать на бумажке колесо, с помощью которого машина будет двигаться со скоростью звука пока бензин не кончится? Природа дьявольски тупа. Природа - это невероятной тупости дурак, имеющий в распоряжении милиарды лет. Как она не могла создать колесо, так же она не могла создать совершенный инструмент преобразования информации. Она лишь могла милионы лет сперва создавать сложнейшую нервную клетку, затем проводить бесчисленные эксперименты с полученными нервными тканями, нагромождать их килограмами, надеясь, что в них что-то полезное сможет возникнуть. Мозг человека - уродливая машина. Мозг большинства людей создаёт активность, мало отличимую от шума. Что-то полезное делать, пытаясь в точности повторить мозг - крайне тупая затея.
alexaggi
Oct. 3rd, 2011 01:23 am (UTC)
Хм... Тролль.
cobetbi
Oct. 3rd, 2011 01:32 am (UTC)
Зачастую мозг человека способен лишь на крайне убогие распознавания примитивнейших образов.
dubor
Oct. 3rd, 2011 08:36 am (UTC)
Если рассматривать "ногу гепарда" и "колесо" только с точки зрения оптимизации функции "скорость", то может и можно сказать, что "Природа дьявольски тупа".

Но если рассматривать системы "гепард" и "машина" целиком, да еще оценивая не одну функцию "скорость", а целый набор нетривиальных требований (типа "размножение", "саморемонт", "самозарядка", "адаптация" и т.п.), то тут уже не все так очевидно.
cobetbi
Oct. 3rd, 2011 12:06 pm (UTC)
Да даже и саморемонт природой тупо организован. Любая маленькая царапинка может загнивать, долго болеть, уменьшая возможности организма выживать. У железной машины можно просто деталь заменить и все дела (ничто не мешает выполнению этой операции другими машинами). Моментально, и ещё лучше машина будет чем была. А самоотремонтированное биологическое всегда хуже становится. Размножение тоже хрень. Можно взять и какие-угодно машины размножить в любом количестве. Природа может размножать только то что есть и только так как всегда. Адаптация - это и есть функция "вычислительной машины", та "нога гепарда". Самозарядка? Да машины могут с ядерным реактором годы работать без зарядки.

Единственное, что есть интересного - это "самопостроение". Из одной клетки, в которой заложены все инженерные инструкции, самовыстраивается здоровенная биологическая машина из трилиардов сложнейшим образом соединённых клеток. За считанные часы практически. Вот это мощная штука, ничем близко пока не повторённая.

Но для требуемого выше "построения работающей модели [интеллекта]" это всё абсолютно параллельно.
gineer
Oct. 4th, 2011 08:27 am (UTC)
\\Или может лучше тупо нарисовать на бумажке колесо, с помощью которого машина будет двигаться со скоростью звука пока бензин не кончится?

Тупиш человек. :)
Колесо -- это составная часть системы "колесо - дорога" и именно в рамках этой системы возможны прорывы "со скоростью звука пока бензин".
В реальной же ситуации бездорожья, колесо куда как проигрывает в универсальности и проходимости ногам.

Никакое колесо не сравнится в виртуозности с горным козлом,
или в амфибийности с бегемотом,
или в лазаньи по деревьям...

А что природа тупа, так в том греха нет, потому как мозгов у неё нету.
Это для человека может быть обидно, что мозг есть... но тупо-о-ой... :)
cobetbi
Oct. 4th, 2011 11:35 am (UTC)
Сложновато говорить с человеком у которого всё сводится к вопросам про грехи и обиды. Да и лень мне разжёвывать тот камент, там ребёнку понятен смысл.
gineer
Oct. 4th, 2011 11:43 am (UTC)
Смысл там есть, да.
А вот ума -- нет. :)
cobetbi
Oct. 4th, 2011 12:07 pm (UTC)
Вы обиделись на что-то?
cobetbi
Oct. 4th, 2011 12:14 pm (UTC)
Может в убогом мозге какие-то "взгляды" обижены? Может прошёл по ссылке и обиделся, что про коммунистов. Или просто на юзерпик обиделся. Или за природу обиделся. И ничего другого убогий обиженный мозг не придумал, кроме как бормотать хрень, рассказывать про обиды, и стремиться хоть чем-нибудь тоже обидеть. Такая вот обезьяна. Жаль у меня нет щас времени на изучение обезьян.
gineer
Oct. 4th, 2011 12:16 pm (UTC)
Смешная обезьяна
Зато время строчить пространные коменты есть. :)
fregimus
Oct. 4th, 2011 12:22 pm (UTC)
Не переходите на личности, прошу Вас!
gineer
Oct. 4th, 2011 12:25 pm (UTC)
Все же. На личности я перешел коментом выше.
И то, только в ответ на... хотя, это конечно же меня не извиняет.

А здесь, просто констатация.
Вообще, я поддерживаю подобного рода размышления о Природе и Эволюции.
Но только не в таком тоне.
meshulash
Oct. 3rd, 2011 12:41 am (UTC)
Спасибо!
yurvor
Oct. 3rd, 2011 04:17 am (UTC)
Клёво! Спасибо, скачал, почитаю.
dm_kalashnikov
Oct. 3rd, 2011 06:35 am (UTC)
О, а не встречался ли Вам атлас мозга? Где можно было бы увидеть какие области за что отвечают.
fregimus
Oct. 3rd, 2011 10:35 am (UTC)
Интересно, что я как раз собирался написать о новом атласе fMRI. Через день-другой, хорошо?
dm_kalashnikov
Oct. 3rd, 2011 10:46 am (UTC)
Конечно.
Меня, кстати, особенно интересует в аспекте когнитивных функций.
bekabaka
Oct. 4th, 2011 07:27 am (UTC)
Действительно весьма интересно, спасибо. Обязательно ознакомлюсь подробнее, мне как раз для богомерзких искусственных нейронных сетей =) В защиту оных рискну сказать, что искусственных нейронов уже таки очень много разных придумали, пожалуй, даже больше, чем надо. И мне кажется интересным даже не то, какой из них больше похож на настоящий, а то, что все они так или иначе работают и выполняют возложенные на них задачи.
Лично мне было бы безумно интересно поговорить об этом, но это обширный разговор =) И надо действительно предварительно прочесть книжку.
fregimus
Oct. 4th, 2011 07:42 am (UTC)
Хотя нейроны в ИНС, безусловно, навеяны живыми нейронами, но на ИНС я бы смотрел как на математический аппарат, а не модель живого. Само собой, моделирование может быть на разных уровнях. Но мне кажется, что более точное моделирование живых нейронов не даст ничего интересного для практики ИНС, для решения задач, где они используются. Это скорее подсмотренная у природы идея, которая получила хорошее математическое развитие, и зажила уже своей жизнью. Можно сравнить с дифференциальным исчислением: оно началось как модель физических явлений, а сделалось самостоятельной математической дисциплиной.

Обсудить — пожалуйста, когда Вам удобно. Я с удовольствием.
bekabaka
Oct. 4th, 2011 07:59 am (UTC)
Да, это абсолютно верный взгляд, возразить нечего. Мой научный руководитель абсолютно уверен, что занимается чистой математикой и больше ничем.
Меня, впрочем, всё равно радует, что в эту область всё ещё нет-нет да и занесёт что-нибудь подсмотренное - так относительно недавно появились спайк-нейронные сети и свёрточные, вдохновлённые Хокинсом. При этом не до конца ясно, чему же тут радоваться - спайки, скажем, работают чудовищно медленно и почти неприменимы в реальных задачах, а алгоритм свёрточных оказался совсем не таким универсальным, как его рекламировал Хокинс и подходит пожалуй только для работы с изображениями. И с математической точки зрения и то и другое не назовёшь изящным. Возможно, просто в глубине души естествознание я ставлю выше технических наук =)
cobetbi
Oct. 4th, 2011 12:05 pm (UTC)
Мне тоже безумно интересно. Не знаю насколько вам интересно было бы со мной что-то обсуждать.

У меня вот один вопрос, почти дурацкий. Я один момент не знаю. Было бы здорово если бы кто-то подсказал. Вот у нас есть нейронная сеть в мозге, выстроились связи, есть какие-то состояния нейронов, обеспечивающие какие-то веса. А вот что происходит, когда выясняется, что нейрон не нужен? Связи как-то отмирают? Там биологически нейрон умирает, если он "вреден" в сети, или какие там маханизмы в этом случае? Ну и поглобальнее чуть-чуть вопрос. А как это вообще выясняется, что в каком-то месте нейронная сеть работает неэффективно и какие-то нейроны более других способствуют неэффективности? Или вообще нет там таких механизмов?
bekabaka
Oct. 4th, 2011 03:04 pm (UTC)
Так я и не вам писал, я писал автору журнала. С вами-то мне наверняка нечего обсуждать.
cobetbi
Oct. 4th, 2011 03:21 pm (UTC)
Плохо что нечего.
bekabaka
Oct. 5th, 2011 07:09 am (UTC)
Ну кому как.
gineer
Oct. 4th, 2011 08:29 am (UTC)
Ну... есть ведь исследования по совмещению кремниевых кристалов с настоящими нейронами.
Где бы нейрон играл роль вычислителя, а кристал работал на передачу сигнала.
Оч неплохая связка, думаю.
( 29 comments — Leave a comment )