具体描述
《神经科学中的数学（导读版）》通过Matlab编程语言在众多模拟中的应用来介绍计算方法。这些程序为新的课程和研究提供有益的跳板。作者从介绍微分方程和线性代数在细胞、亚细胞和突起模型的应用开始，然后介绍概率论在突触传递和单细胞噪声中的应用，最后将信号处理理论应用于系统神经科学中。
神经科学依赖众多数学工具表达已有的理论、分析数据并提出新的实验。本书采用一系列扎实的计算模型将该领域最令人瞩目的工具由浅入深地介绍给读者。旨在为神经科学专业的本科生和研究生，以及对神经科学感兴趣的数学、物理和工程背景的学生提供一本教科书，亦可为进行神经科学相关研究的工作者提供有用的参考。
作者简介
目录信息
1. 简介
1.1 如何使用本书
1.2 大脑简介
1.3 基础数学知识
1.4 计量单位
1.5 参考资料来源
2. 被动等电位细胞
2.1 简介
2.2 能斯特电位
2.3 膜电导
2.4 膜电容与电流平衡
2.5 突触电导
2.6 总结与参考资料来
2.7 练习题
3. 微分方程
3.1 精确求解
3.2 矩量法
3.3 拉普拉斯变换
3.4 数值分析法
3.5 突触输入
3.6 总结与参考资料来源
3.7 练习题
4. 主动等电位细胞
4.1 延迟整流钾离子通道
4.2 钠离子通道
4.3 Hodgkin--Huxley公式
4.4 瞬时钾离子通道
4.5 总结与参考资料来源
4.6 练习题
5. 半主动等电位细胞
5.1 半主动模型
5.2 数值分析法
5.3 特征向量扩展的精确求解
5.4 持续钠电流
5.5 超极化激活的非特异性阳离子电流
5.6 总结与参考资料来源
5.7 练习题
6. 被动电缆理论
6.1 离散的被动电缆公式
6.2 特征向量扩展的精确求解
6.3 数值分析法
6.4 被动电缆公式
6.5 突触输入
6.6 总结与参考资料来源
6.7 练习题
7. 傅立叶级数与变换
7.1 傅立叶级数
7.2 离散的傅立叶变换
7.3 连续傅立叶变换
7.4 协调离散与连续傅立叶变换
7.5 总结与参考资料来源
7.6 练习题
8. 被动树突野
8.1 离散的被动树突野
8.2 特征向量扩展
8.3 数值分析法
8.4 被动树突公式
8.5 （树突电缆的）等效圆柱体
8.6 （树突）分支的特征函数
8.7 总结与参考资料来源
8.8 练习题
9. 主动树突野
9.1 主动的均一电缆
9.2 主动均一电缆的相互作用
9.3 主动非均一电缆
9.4 半主动电缆
9.5 主动树突野
9.6 总结与参考资料来源
9.7 练习题
10. 简化的单神经元模型
10.1 漏电的整合－发放神经元
10.2 簇放电神经元
10.3 簇放电神经元的简化模型
10.4 总结与参考资料来源
10.5 练习题
11. 概率与随机变量
11.1 事件与随机变量
11.2 符合二项式分布的随机变量
11.3 符合泊松分布的随机变量
11.4 符合高斯分布的随机变量
11.5 累计分布函数
11.6 条件概率
11.7 独立随机变量的加和
11.8 随机变量的变换
11.9 随机向量
11.1 0 指数与伽玛分布的随机变量
11.1 1 齐次泊松过程
11.1 2 总结与参考资料来源
11.1 3 练习题
12.突触传递与量子释放理论
12.1 突触的基本结构与生理
12.2 量子释放的发现
12.3 突触释放的复合泊松模型
12.4 与实验数据的对比
12.5 中枢系统突触的量子分析
12.6 突触传递的易化、增强与抑制
12.7 短时程突触可塑性的模型
12.8 总结与参考资料来源
12.9 练习题
13. 神经元钙流信号
13.1 电压门控型钙离子通道
13.2 胞内钙离子的扩散、缓释与再摄取
13.3 电镜所揭示的钙离子释放
13.4 树突小棘的钙离子
13.5 突触前钙离子和神经递质释放
13.6 总结与参考资料来源
13.7 练习题
14. 奇异值分解算法及其应用
14.1 奇异值分解算法
14.2 主成分分析与动作电位发放的归类
14.3 突触可塑性与主成分
14.4 通过均衡截断方法精简神经元模型
14.5 总结与参考资料来源
14.6 练习题
15. 动作电位发放波动的定量分析
15.1 动作电位发放的时间间距柱形统计图与变异系数
15.2 动作电位不应期
15.3 动作电位发放数分布与法诺因子
15.4 更新过程
15.5 返回图与经验相关因子
15.6 总结与参考资料来源
15.7 练习题
16. 随机过程
16.1 定义与一般特性
16.2 高斯过程
16.3 点过程
16.4 非均－泊松过程
16.5 频谱分析
16.6 总结与参考资料来源
16.7 练习题
17. 膜噪声
17.1 两状态通道模型
17.2 多状态通道模型
17.3 0rnstein-Uhlenbeck过程
17.4 突触噪声
17.5 总结与参考资料来源
17.6 练习题
18. 能量谱与互相关分析
18.1 互相关与互相干
18.2 估计量偏倚与方差
18.3 能量谱的数值估计
18.4 总结与参考资料来源
18.5 练习题
19. 自然光信号与光（电）转导
19.1 波长与光强
19.2 自然光信号的空间特性
……
20. （动作电位）发放率编码与早期视觉
21. 简单细胞与复杂细胞模型
22. 随机估计理论
23. 反相关分析与动作电位发放解码
24. 信号检测理论
25. 神经元反应与心理物理学的关联研究
26. 群体编码
27. 神经元网络
28. 练习题解答
参考文献
索引
· · · · · · (收起)
读后感
用户评价
从纯粹的审美角度来看待这本书，它的排版和图示设计也值得大书特书。在处理如此密集的数学符号和复杂的网络结构图时，清晰度至关重要，而这本书在这方面做得近乎完美。图表的设计绝非装饰品，每一个图形都有其明确的教学目的。我印象最深的是关于图论在描述大脑连接组（Connectome）中的应用那一章。作者没有采用常见的、扁平化的网络图，而是巧妙地利用了高维空间的投影和层次聚类，直观地展示了功能模块之间的相互作用和信息流的瓶颈所在。这种视觉化的努力，极大地降低了理解大规模网络拓扑复杂性的认知负担。此外，书中对符号的定义和一致性保持得非常好，这在复杂的数学著作中是一个巨大的优点，避免了在查阅来回翻页中打断阅读的流畅性。这种对细节的极致追求，体现了作者对读者体验的深刻理解，使得长时间的深度阅读也变得相对轻松愉快。
这本书的结构安排堪称精妙，它采取了一种渐进式的难度提升策略，确保了即便是背景知识略有欠缺的读者也能稳步跟进。我注意到，开篇部分对线性代数和傅里叶分析的复习，不是那种敷衍了事的带过，而是紧密结合神经科学的具体应用场景来展开的。这种“即学即用”的教学模式极大地提高了阅读的参与感。我特别欣赏作者在引入复杂模型时所展现的耐心和细致。比如，在讲解Hodgkin-Huxley模型的推导时，它不仅仅停留在电生理学的层面，还融入了大量的数值模拟技巧和稳定性分析，这对于希望将理论转化为实际计算的读者来说，提供了宝贵的实操指导。读完这部分，我感觉自己手中的工具箱瞬间充实了许多，不再是只会做理论推演的书呆子，而是有能力去设计和验证新的计算神经科学模型的实践者。书中对不同尺度（从离子通道到皮层网络）的数学建模范式的对比分析，也展现了作者深厚的跨学科功底，令人叹服。
这本书的价值远超出了教科书的范畴，它更像是一份精炼的“研究方法论指南”。它教会我的不是“是什么”，而是“如何思考”。尤其是在探讨关于意识和认知功能计算理论的部分，作者非常审慎地处理了那些尚未完全解决的科学难题。他没有提供武断的结论，而是引导读者去评估不同理论框架（如整合信息论或预测编码）的数学优势和局限性。这种批判性思维的培养，是任何初级入门读物所无法企及的。书中穿插的“挑战性思考题”也非同一般，它们往往需要读者综合运用前几章学到的多种数学工具来构建一个小型模型，这极大地锻炼了将理论应用于开放性问题的能力。读完这些章节，我不再只是被动接受知识，而是开始主动质疑现有的模型，试图在已知的数学框架内寻找解释新实验数据的可能性，这是一种非常令人振奋的学术转变。
这本书的语言风格简直是为那些在浩瀚的生物学海洋中寻找坚实数学灯塔的探险者量身定制的。我必须承认，最初翻开它时，心中充满了敬畏与一丝丝畏惧。我期待的是一本枯燥的公式集合，但作者的叙事方式却像是一位经验丰富的向导，将那些看似高不可攀的拓扑学、概率论和微分方程，巧妙地编织进了神经元放电的动态过程、突触可塑性的复杂模型之中。它不是简单地罗列公式，而是深入探讨了“为什么”这些数学工具是描述大脑功能的最佳语言。例如，在处理群体神经编码部分时，作者没有止步于介绍信息论的基本框架，而是通过详尽的案例分析，展示了如何利用降维技术揭示隐藏在数百万神经元活动背后的低维流形结构，那种豁然开朗的感觉，对于一个长期在生物学和数学边界徘徊的人来说，是无与伦比的。更令人称道的是，书中对随机过程的运用，完美地捕捉了神经系统固有的随机性和噪声，让抽象的数学概念瞬间拥有了鲜活的生物学意义，仿佛我能亲眼看到信息是如何在嘈杂的环境中被精确传递的。
总而言之，这本书提供了一种罕见而强大的“双语”能力——既能流利地使用神经科学的生物学语言，又能精确地运用数学的逻辑语言。对于那些希望跨越学科鸿沟、成为真正意义上的计算神经科学家而言，这是一部不可或缺的基石之作。它的深度足以让博士后级别的研究人员从中汲取新的建模灵感，而其严谨的结构又保证了高年级本科生和研究生的基础训练。我个人认为，它最成功之处在于，它证明了数学不仅仅是描述大脑活动的一种工具，它本身就是理解大脑组织原理和功能涌现的底层逻辑。阅读过程充满挑战，但每一次攻克一个复杂的数学证明，每一次成功地将一个生物学现象映射到一个优雅的方程组时，都带来强烈的智力满足感。这不仅仅是一本关于“神经科学中的数学”的书，更是一本关于“用数学发现大脑奥秘”的宣言。
