Aktualne tytuły rozdziałów



Pobieranie 64.52 Kb.
Data10.05.2016
Rozmiar64.52 Kb.

Aktualne tytuły rozdziałów

Przewodnik po treści książki – Ryszard Tadeusiewicz


Wstęp – Ryszard Tadeusiewicz
1. Budowa systemu nerwowego zwierząt i ludzi - Maria Śmiałowska

1.1. Budowa tkanki nerwowej

1.1.1. Neuron i jego ogólna budowa

1.1.2. Komórki glejowe

1.1.3. Synapsy

1.1.4. Neuroprzekaźniki i receptory

1.2. Budowa anatomiczna systemu nerwowego

1.2.1 Wstępny ogólny opis budowy

1.2.2. Ośrodkowy układ nerwowy kręgowców – budowa ogólna

1.2.3. Kresomózgowie

1.2.4. Międzymózgowie

1.2.5. Śródmózgowie

1.2.6. Tyłomózgowie

1.2.7. Móżdżek

1.2.8. Rdzeń kręgowy

1.3. Obwodowy układ nerwowy

1.4. Autonomiczny układ nerwowy

1.5. Wzajemne połączenia i interakcje

1.6. Piśmiennictwo
2. Przekaźnictwo synaptyczne i plastyczność synaptyczna - Grzegorz Hess

2.1. Wprowadzenie

2.2. Potencjał spoczynkowy komórki nerwowej

2.3. Potencjał czynnościowy komórki nerwowej

2.4. Budowa synapsy chemicznej

2.5. Mechanizm uwalniania neuroprzekaźnika

2.6. Receptory postsynaptyczne

2.7. Aktywacja jonotropowych receptorów dla kwasu glutaminowego

2.8. Receptor GABAA

2.9. Analiza kwantowa przekaźnictwa synaptycznego

2.10. Model przekaźnictwa synaptycznego Bernarda Katza

2.11. Analiza kwantowa przekaźnictwa w ośrodkowym układzie nerwowym

2.12. Plastyczność synaptyczna

2.12.1. Plastyczność krótkotrwała

2.12.2. Długotrwała plastyczność synaptyczna

2.12.3. LTP jako model uczenia

2.12.4. Analiza kwantowa LTP

2.13. Bibliografia


3. Modele cybernetyczne wybranych struktur i funkcji układu nerwowego - Janusz Błaszczyk

3.1. Rola modeli i modelowania w badaniach układu nerwowego

3.2. Neurobiologiczne podstawy kontroli aktywności ruchowej

3.3. Model sterowania ruchowego

3.3.1. Ogólna struktura

3.3.2. Dolny podsystem ruchowy – rdzeń kręgowy

3.3.3. Górny podsystem systemu sterowania ruchem

3.3.4. Związki pomiędzy procesami sterowania poszczególnych mięśni

3.4. Modelowania struktur układu nerwowego kontrolujących zachowania ruchowe

3.4.1. Uwagi ogólne

3.4.2. Modelowanie prostych odruchów

3.4.3. Szybkość sterowania nerwowego i programy ruchowe

3.5. Modele jakościowe i ilościowe

3.5.1. Ogólna systematyka modeli systemów biologicznych

3.5.2. Modele niskiego poziomu

3.5.3. Znaczenie modelowania ilościowego

3.5.4. Modele cybernetyczne jako narzędzia weryfikacji hipotez neurofizjologicznych

3.5.5. Sieci neuronowe jako modele systemów neurobiologicznych

3.6. Globalne modele kontroli motorycznej

3.6.1. Modele oparte na hipotezie punktu równowagi

3.6.2. Modele oparte na hipotezie dynamiki odwrotnej

3.7. Model całego mózgu

3.8. Piśmiennictwo

4. Modelowanie pojedynczych komórek nerwowych - Wiesław Andrzej Kamiński

4.1. Wprowadzenie

4.2. Podstawy biologiczne i chemiczno-fizyczne aktywności neuronu

4.3. Model Hodgkina-Huxleya

4.4. Symulacja komórki Purkinjego

4.5. Model Morris-Lecara

4.6. Model FitzHugh-Nagumo

4.7. Model Hindmarsha-Rosego

4.8. Model integrate-and-fire

4.9. Model resonate-and-fire

4.10. Model Izhikevicha

4.11. Porównanie modeli neuronów

4.12. Bibliografia


5. Problemy implementacji realistycznego modelu komórki nerwowej - Maciej T. Lazarewicz

5.1 Wstęp

5.2 Model kablowy i kompartmentowy

5.3 Równanie kablowe

5.4 Metody numeryczne

5.4.1 Jawna metoda Eulera

5.4.2 Niejawna metoda wsteczna Eulera

5.4.3 Niejawna metoda Crank-Nicholson

5.4.4 Sztywność modelu

5.5 Komórka piramidowa pola CA3 hipokampa

5.6 Model komórki piramidowej pola CA3 hipokampa

5.7 Implementacja modelu

5.7.1 Źródła błędów aproksymacji

5.7.2 Ciągła natura równania kablowego

5.7.3 Ograniczenia pakietów symulacyjnych

5.8 Dobór kroku symulacji Δt

5.8.1 Błędy dyskretyzacji i błędy zaokrągleń

5.8.2 Reguła ½



5.8.3 Dynamiczny dobór kroku symulacji

5.8.4 Automatyczny dobór warunków symulacji z pomocą pakietów CVODE i DASPK

5.8.5 Interakcje z komórką nerwową w czasie symulacji

5.9 Reprezentacja struktur anatomicznych

5.9.1 Dyskretyzacja przestrzenna – podział na segmenty

5.9.2 Gałąź oraz segment podziału

5.9.3 Błędy dyskretyzacji i błędy zaokrągleń

5.9.4 Naturalna kompartmentalizacja drzewka dendrytycznego

5.9.5 Dynamika własności drzewka dendrytycznego

5.9.6 Związek pomiędzy komponentą czasową i przestrzenną

5.9.7 Optymalna długość segmentu

5.9.8 Przestrzenna wartość graniczna Nyquist’a

5.9.9 Reguła maksymalnej długości segmentu

5.9.10 Dobór długości segmentu za pomocą reguły 1/3

5.9.11 Dobór długości pasywnego segmentu przy pomocy reguły DC w przypadku wolno zmieniającego się sygnału

5.9.12 Długość elektrotoniczna ELDC

5.9.13 Dobór długości pasywnego segmentu przy pomocy reguły f w przypadku szybko zmieniającego się sygnału

5.9.14 Długość elektrodynamiczna ELf



5.9.15 Przykład rozkładu długości elektrotonicznej i elektrodynamicznej

5.9.16 Przypadek aktywny

5.9.17 Podział na segmenty za pomocą metody spadku potencjału

5.9.18 Dyfuzja wzdłużna wapnia wewnątrzkomórkowego

5.9.19 Dynamiczny podział na segmenty

5.9.20 Interferencja kroku symulacji z podziałem na segmenty

5.9.21 Niejednorodny rozkład gęstości kanałów jonowych

5.9.22 Oporność oraz impedancja całkowita komórki nerwowej

5.9.23 Oporność oraz impedancja całkowita jako miara dobrego podziału na segmenty

5.9.24 Problem odwrotny - Redukcja ilości segmentów

5.10 Od rekonstrukcji morfologii do modelu elektrofizjologii komórki nerwowej: narzędzia i algorytmy

5.10.1 Rekonstrukcja morfologii rzeczywistej komórki nerwowej

5.10.2 Reprezentacja komputerowa morfologii zrekonstruowanej komórki nerwowej: cylindry i stożki

5.10.3 Syntetyczne morfologie komórek nerwowych

5.10.4 Standardy opisu morfologii drzewka dendrytycznego

5.10.5 Dostępne bazy danych morfologicznych komórek nerwowych

5.10.6 Wizualizacja i edycja geometrii komórki nerwowej

5.10.7 Analiza statystyczna geometrii komórki nerwowej

5.11 Podsumowanie

5.12. Literatura
6. Modele elementów systemu nerwowego w postaci sztucznych sieci neuronowych – Ryszard Tadeusiewicz

6.1. Wprowadzenie



6.2. Jak doszło do wynalezienia sieci neuronowych?

6.3. Sieci w zastosowaniach praktycznych

6.4. Sieci neuronowe jako narzędzie poznawcze

6.4.1. Przyczyny prób stosowania sieci neuronowych jako modeli badawczych

6.4.2. Modele neurocybernetyczne jako narzędzia syntezy wiedzy



6.4.3. Czy uzasadnione jest stosowanie sieci neuronowych w celu odkrywania własności mózgu?

6.4.4. Biologiczne źródła w tworzeniu modeli sieci neuronowych

6.4.5. Obfitość wiadomości szczegółowych i trudności syntezy całości

6.5. Eksperymenty obliczeniowe w neurocybernetyce

6.5.1. Experiment in computo jako nowy sposób dokonywania odkryć naukowych



6.5.2. Budowa i badanie modelu

6.5.3. Weryfikacja doświadczalna sugestii wynikających z symulacji

6.5.4. Pożytki z modelowania

6.5.5. Inspirujące przykłady z nauk ścisłych

6.5.6. Rozstrzygająca rola eksperymentu

6.5.7. Nawet niepowodzenie może być sukcesem

6.6. Sztuczne sieci neuronowe jako modele systemów neurocybernetycznych

6.6.1. Piękno prostoty

6.6.2. Elementarna cegiełka struktur neuropodobnych - sztuczny neuron

6.7. Najprostszy przykład: sieć modelująca zjawisko odruchu warunkowego

6.7.1. Co to jest odruch warunkowy?

6.7.2. Prosta sieć modelująca zjawisko odruchu warunkowego

6.7.3. Wnioski związane z siecią modelującą zjawisko odruchu warunkowego

6.8. Sieć inspirowana rzeczywistą architekturą połączeń neuronalnych – hamowanie oboczne

6.8.1. Uwagi ogólne o wyborze architektury sztucznej sieci neuronowej

6.8.2. Wybór architektury sztucznej sieci neuronowej przeznaczonej do zastosowań praktycznych

6.8.3. Zjawisko hamowania obocznego

6.8.4. Jednowymiarowa sieć neuronowa wykorzystująca zasadę hamowania obocznego

6.8.5. Działanie sieci neuronowej wykorzystującej zasadę hamowania obocznego

6.8.6. Jakie informacje wyodrębnia sieć z hamowaniem obocznym?



6.8.7. Dwuwymiarowa sieć z hamowaniem obocznym

6.9. Podsumowanie

6.10. Literatura

7. Modele pulsujących sieci neuronowych i ich zastosowania - Michał Strzelecki

7.1. Wprowadzenie

7.2. Modele oscylatorów i zasady działania sieci pulsacyjnych

7.3. Dobór wartości wag

7.4. Sieci oscylatorów do segmentacji obrazów

7.5. Analiza oscylatorów w przestrzeni fazowej

7.6. Przykłady zastosowań - analiza obrazów biomedycznych

7.6.1. Lokalizacja owrzodzenia

7.6.2. Wydzielanie mas wewnątrzsercowch

7.6.3. Analiza komórek tucznych

7.6.4. Segmentacje przekrojów wątroby

7.7. Wnioski

7.8. Literatura


8. Modele populacyjne - Katarzyna Blinowska, Jarosław Żygierewicz

8.1. Wstęp.

8.2. Hierarchia i zalety realistycznych modeli układu nerwowego

8.3. Teoria Freemana

8.4. Model Wilsona i Cowana

8.5. Model rytmu alfa Lopesa da Silvy

8.6. Model efektu obrzeża

8.7. Model zmian rytmów beta i gamma pod wpływem bodźca

8.8. Model Jansena Rita

8.9. Modele populacyjne a charakterystyki EEG

8.10. Zastosowanie modeli populacyjnych do badania patologicznej czynności EEG

8.10.1 Model Wendlinga

8.10.2 Model Suffczynskiego

8.11. Modele globalne

8. 12. Podsumowanie

8.13. Podziękowania

8.14. Referencje
9. Obliczenia płynowe w modelowaniu mózgu - Grzegorz M. Wojcik

9.1. Wprowadzenie

9.2. Hiperkolumny jako składniki kory mózgu

9.3. Koncepcyjne podstawy modelowania płynowego

9.4. Składniki strukturalne modelu płynowego

9.5. Działanie modelu płynowego

9.6. Opis matematyczny modelu płynowego

9.7. Dyskusja wybranych właściwości modelu płynowego

9.8. Rola warstwy odczytującej

9.9. Koncepcja maszyn echowych

9.10. Symulacja komputerowa modelu płynowego

9.11. Inne techniki badania modelu płynowego

9.12. Badania modelu płynowego o dużych rozmiarach

9.13. Podsumowanie

9.14. Bibliografia
10. Neuoroobrazowanie i modelowanie subtelnych zmian chorobowych mózgowia wspomagające neurodiagnostykę- Artur Przelaskowski, Katarzyna Sklinda, Bogdan Ciszek

10.1. Wprowadzenie

10.2. Komputerowe wspomaganie diagnozy

10.2.1. Semantyczne metody obróbki obrazów



10.2.2. Schemat skutecznych metod wspomagania

10.3. Subtelne radiologicznie zmiany w mózgowiu

10.3.1. Zarys problemu badawczego

10.3.1.1. Obrazy zmian w tomografii komputerowej

10.3.1.2. Obrzęk mózgu

10.3.1.3. Udar niedokrwienny

10.3.1.4. Stłuczenie mózgu

10.3.1.5. Wodogłowie

10.3.1.6. Guzy mózgu

10.3.2. Charakterystyka nadostrej fazy udaru niedokrwiennego

10.3.2.1. Metody obrazowania

10.3.2.2. Patofizjologia – modele eksperymentalne

10.3.2.3. Udar niedokrwienny – leczenie

10.3.3. Ograniczenia w obrazowaniu subtelnych zmian gęstości

10.3.4. Zarys metod ekstrakcji subtelnych zmian hipodensyjnych

10.4. Falkowe modele subtelnej hipodensyjności



10.4.1. Wieloskalowe reprezentacje sygnałów

10.4.2. Falki

10.4.3. Metody aproksymacji sygnałów

10.4.3.1. Wprowadzenie

10.4.3.2. Błąd aproksymacji

10.4.3.3. Sygnały a bazy przybliżeń

10.4.4 Doskonalenie baz aproksymacji sygnałów

10.4.4.1. Pakiety falek

10.4.4.2. Bazy nadmiarowe

10.4.4.3. Falki dwuwymiarowe w reprezentacji obrazów

10.4.4.4. Falki geometryczne, czyli kliniki i beleczki

10.4.4.5. Falki kierunkowe, czyli grzbieciki, krzywki i konturki

10.4.4.6. Ridgelety

10.4.4.7. Curvelety

10.4.4.8. Contourlety

10.4.5. Modelowanie wieloskalowe

10.4.5.1. Wprowadzenie

10.4.5.2. Statystyczne modele współczynników falkowych

10.4.5.3. Progowanie

10.5. Ekstrakcja subtelnych zmian hipodensyjnych

10.6. Efekty ekstrakcji

10.7. Literatura


11. Fizyczne metody stosowane w badaniach molekularnych mechanizmów działania mózgu

- Andrzej Górecki i Marta Dziedzicka-Wasylewska



11.1. Komunikacja między neuronami

11.2. Neuroprzekaźniki

11.3. Receptory

11.4. Ligandy agoniści i antagoniści

11.5. Dynamika wiązania i uwalniania ligandów

11.6. Techniki badawcze wykorzystujące wiązania radioligandów

11.7. Trudności badawcze i sposoby ich pokonywania

11.8. Techniki autoradiograficzne

11.9. Hybrydyzacja in situ

11.10. Fluorescencyjne techniki badania oddziaływań białek receptorowych



11.11. Technika RET

11.12. Połączenie RET z mikroskopią konfokalną

11.13. Znaczenie badań zjawiska dimeryzacji receptorów

11.14. Globalna analiza genów i białek w mózgu

11.15. Badania proteomu

11.16. Badania strukturalne białek



11.17. Dichroizm kołowy

11.18. Bibliografia


12. Badanie funkcji mózgu z wykorzystaniem elektroencefalografii - Piotr Durka

12.1. Wprowadzenie

12.2. Elektryczny ślad myśli

12.2.1. Właściwości sygnału EEG

12.2.2. EEG i MEG, czyli elektro- a magnetoencefalografia

12.3. Potencjały wywołane

12.4. Desynchronizacja i synchronizacja EEG związana z bodźcem (ERD/ERS)

12.5. Tradycja wzrokowej analizy EEG

12.6. Problem odwrotny w elektroencefalografii

12.7. Bibliografia

13. Biochemiczne podstawy schorzeń mózgu - Marta Dziedzicka-Wasylewska

13.1. Wprowadzenie

13.2. Patologie mózgu i ich biochemiczne tło

13.3. Depresja

13.3.1. Uwagi wstępne

13.3.2. Leczenie depresji

13.3.3. Teoria patomechanizmu i leczenia depresji

13.3.4. Rozwinięta teoria

13.3.5. Rola hipokampa

13.4. Schizofrenia

13.4.1. Różne podtypy pod jedną nazwą

13.4.2. Genetyczne tło schizofrenii

13.4.3. Patogeneza i patomechanizm schizofrenii

13.4.4. Mechanizm dziedziczenia schizofrenii

13.4.5. Najnowsze odkrycia

13.5. Pląsawica Huntingtona

13.5.1. Istota choroby i jej biochemiczne tło

13.5.2. Trudności terapii

13.5.3. Selektywna degeneracja

13.6. Choroba Parkinsona

13.6.1. Objawy choroby i rola dopaminy

13.6.2. Terapia bezpośrednia i pośrednia

13.6.3. Przyczyny choroby

13.7. Choroba Alzheimera

13.7.1. Biochemiczne tło choroby

13.7.2. Rola genów w chorobie Alzheimera

13.7.3. Badania nad chorobą Alzheimera czynnikiem rozwoju wiedzy

13.8. Podsumowanie

13.9. Bibliografia
14. Architektury kognitywne, czyli jak zbudować sztuczny umysł – Włodzisław Duch

14.1. Wstęp

14.2. Koncepcja informatyki neurokognitywnej

14.3. Wyższe i niższe czynności poznawcze

14.4. Wielkie wyzwania

14.4.1. Próby stworzenia ogólnej inteligencji

14.4.2. Dialog w języku naturalnym

14.4.3. Systemy doradcze nowej generacji

16.4.5. Sztuczna inteligencja i ludzie

14.5. Architektury kognitywne

14.5.1. Potrzeba tworzenia modeli kognitywnych

14.5.2. Kryteria oceny architektur kognitywnych

14.6. Architektury symboliczne

14.6.1. Ogólny przegląd architektur symbolicznych

14.6.2. Architektura SOAR

14.6.3. Architektura EPIC

14.6.4. Architektura SNePS

14.6.5. Architektura NARS

14.6.6. Architektura ICARUS

14.7. Architektury emergentne

14.7.1. Ogólna charakterystyka architektur emergentnych

14.7.2. Metody uczenia architektur emergentnych

14.7.3. Charakterystyka architektur emergentnych

14.7.4. Architektura IBCA

14.7.5. Architektura NOMAD

14.7.6. Architektura NuPIC

14.7.7. Architektura konfabulacji

14.7.8. Inne architektury emergentne

14.8. Architektury hybrydowe

14.8.1. Powody hybrydyzacji

14.8.2. Klasyfikacje systemów hybrydowych

14.8.3. Architektura ACT-R

14.8.4. Architektura CLARION

14.8.5. Architektura DUAL

14.8.6. Architektura LIDA

14.8.7. Architektura Polyscheme

14.8.8. Architektura 4CAPS

14.8.9. Architektura Novamente AI Engine

14.8.10. Architektura Shruti

14.9. Perspektywy

14.9.1 Jak to oceniać?

14.9.2 Tendencje rozwojowe i nowe pomysły



14.10. Literatura


©absta.pl 2016
wyślij wiadomość

    Strona główna