資料詳細

目次

第0章 計算論的神経科学

  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

  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

  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

  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

  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

第5章 確率論的最適制御

  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

第6章 強化学習

  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

  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

  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

  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

ページの先頭へ