JP EN

大学院

過去（2022年度）の授業の情報です

学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2025年4月21日

授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。

計算論的神経科学

計算論的神経科学入門

計算論的神経科学は、中枢神経系すなわち脳を、計算・数理という言葉で捉え、神経系が行う「情報処理」としての理解によって、ヒトを含む動物の行動現象を説明し、その機能不全によって疾患を説明することで、脳の機構的な理解を得る科学的アプローチの一つである。本講義では、主に学習理論及び意思決定・選択行動を扱う。学習を計算・数理的に行う機械学習の枠組みを解説し、それに対応する心理学・行動学・神経科学の現象を紹介する。この講義を通じて、ヒトの行動を計算として理解する方法論、計算から導かれる神経における生理学的現象と心理現象との対応と因果関係などの至近因のみならず、計算の合理性や適応における目的関数や進化における淘汰圧など究極因の理解を目指す。また様々な計算・数理モデルを実際に構成する例を学ぶことによって、構成論の妥当性と限界についての理解を深める

MIMA Search

時間割／共通科目コード

コース名

教員

学期

時限

21220905

GHS-GC6I01L1

計算論的神経科学

鮫島　和行

S1 S2

月曜2限

マイリストに追加

マイリストから削除

講義使用言語

日本語

単位

実務経験のある教員による授業科目

他学部履修

可

開講所属

人文社会系研究科

授業計画

授業計画まず、計算論的神経科学で用いる数学の基礎及び計算機シミュレーションの実際について解説したのち、機械学習の手法のいくつかの解説とそれに対応する学習心理現象との対応関係を複数のトピックスを通じて学んでゆく。トピックスとしては、下記を扱う。 1.教師あり学習と運動学習 2.教師なし学習と感覚認知 3.予測モデルと誤差修正、神経コーディングとデコーディング 4.強化学習の問題構成１　bandit task 探索と搾取　、選択と大脳基底核 5.強化学習の問題構成２　マルコフ決定過程、価値関数と前頭眼窩皮質 6.強化学習の解法１　動的計画法、運動計画と外側前頭前野 7.強化学習の解法２　モンテカルロ法、エピソード記憶と海馬 8.強化学習の解法３　T D法、条件づけとドーパミン神経系 9.より進んだ問題　部分観測マルコフ決定過程、知覚意思決定と頭頂連合野 10.より進んだ問題　社会的意思決定、ミラーシステムと内側前頭前野 11.より進んだ問題　記号コミュニケーションのモデル 12.より進んだ問題　メタ学習と神経修飾系　神経修飾物質の受容体遺伝子と行動傾向

授業の方法

対面（またはオンライン）講義による解説、及び、計算モデル構成実習（場合によっては各自学習）

成績評価方法

レポート提出による評価

教科書

Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.

参考書

田中宏和 (2019) 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、森北出版森村哲郎 (2019) 強化学習, 機械学習プロフェッショナルシリーズ、講談社サイティフィック Dayan, P., & Abbott, L. F. (2005). Theoretical neuroscience: computational and mathematical modeling of neural systems. MIT press.

履修上の注意

基礎的な数学、解析学、線形代数学、統計学、については前提知識として扱うため、あらかじめ履修しておく方が望ましい。

戻る