本教材是交叉学科研究生高水平课程系列教材。本教材共分13章,内容分为学习记忆障碍模型建立、15个记忆类行为学实验以及学习记忆和机器学习的相关基础知识。重点对学习记忆类动物行为学和机器学习相关实验的实际操作和分析流程作了详细表述。可帮助学生在掌握学习记忆过程中的神经元逻辑联系和信息处理机制的同时能够在科研实践活动中运用本课程所学的知识正确合理选择人工智能方法模拟人类学习记忆,旨在提高学生在课程教学中的实践能力和自主创新能力。本教材可供医学、计算机等专业研究生、本科生使用本书共六章,包括糖尿病学的发展及糖尿病治疗、胰腺移植与胰岛移植、小鼠胰岛移植、人胰岛移植、胰岛移植的问题及限制、细胞替代治疗方案。本书可供基础、临床、生命科学、生物信息学等专业研究生、高年级本科生使用。本教材共分5章,33个实验,包括生物化学实验技术、酶学分析、分子生物学实验技术、活细胞成像和代谢组学在代谢性疾病研究中的应用,可供学生熟悉各项代谢性疾病研究的实验操作技能,掌握系统的代谢性疾病研究的实验技术和方法。本教材可供基础、临床、生命科学、生物信息学等专业研究生、高年级本科生使用。
★全国首套以多学科交叉融合为核心理念,对研究生培养模式进行探索的成果展现。★聚焦当前学科前沿的热点方向,注重新知识、新方法、新动态多层次多维度的表达,内容上具有先进性、科学性、前瞻性。★作者团队均以双一流大学为引领,注重学生实践能力、自主创新能力的培养。
《学习记忆与机器学习实验原理》是在华中科技大学双一流建设项目交叉学科研究生高水平课程的领导与资助下进行的,本书旨在通过整合神经科学中的学习记忆与计算机科学中的机器学习两部分内容,促进学科交叉融合,组建交叉学科群,以适应当前高等教育模式和新时代发展的需要。
经典学科之间的交叉融合与新兴学科的发展壮大是世界高等教育发展的必然规律,如何在现有的科教背景下培养交叉学科人才,已经成为一流大学教育的重要课题。人工智能是计算机科学、认知神经科学、逻辑学交叉融合形成的一门科学,从学科的角度看,人工智能是研究模拟、延伸和扩展人类智能的理论、技术、方法及应用系统的新科学。机器学习是研究计算机模拟或学习人类行为,以获取新的知识和技能,从而不断完善计算机自身性能的一门学科,因此它是人工智能的核心,是使计算机具有智能性质的根本途径。学习记忆又是智能行为的一个极其重要的特征,因此要想掌握人工智能技术必须具备学习记忆和机器学习的相关知识。
通过向医学专业学生讲授人工智能的知识课程,有助于学生理清人工智能的知识结构,掌握其基本概念和基本方法,加深对脑和神经网络的认识;同时,通过向计算机专业学生讲授人脑学习记忆的认知神经科学基础,有助于学生掌握学习记忆过程中的神经元逻辑联系和信息处理机制,并能够在科研实践活动中,运用本课程所学的知识正确合理选择人工智能方法模拟人类学习记忆,旨在提高学生在课程教学中的实践能力和自主创新能力。
此外,我们在教材的编写过程中,重点对学习记忆类动物行为学和机器学习相关实验的实际操作和分析流程均作了详细说明,并提供了多幅数据插图与模式图,增加了本教材的可读性与实践可操作性,可作为学生自学与教师参考用书。
由于编者的水平有限,书中不足之处在所难免,衷心期望同行专家、广大师生和其他读者提出批评与建议,预致诚挚的谢意!
本书附程序数据文件可于封底扫码下载练习。
第一章学习记忆概述/1
第二章学习记忆障碍模型建立/3
第一节东莨菪碱诱导的记忆获得障碍模型/3
第二节亚硝酸钠诱导的记忆巩固障碍模型/4
第三节乙醇诱导的记忆再现障碍模型/5
第四节D半乳糖诱导的记忆再现障碍模型/6
第五节A沉积诱导的记忆障碍模型/7
第六节缺血缺氧手术模型/9
第七节脑区损毁实验/13
第八节血管性痴呆大鼠模型制作/16
第三章空间记忆类行为学实验/21
第一节Morris水迷宫实验/21
第二节水迷路实验/25
第三节环境条件恐惧实验/28
第四节洞板实验/33
第四章工作记忆类行为学实验/37
第一节T迷宫/37
第二节Y迷宫/39
第三节放射状迷宫(八臂迷宫)/40
第四节新物体识别实验/42
第五节锥体空间定向实验/44
第六节圆形开场区域实验/46
第五章非陈述性记忆类行为学实验/49
第一节穿梭箱实验/49
第二节避暗(明暗箱)实验/51
第三节跳台实验/53
第四节旷场实验/55
第五节社交实验/58
第六章学习记忆与机器学习前沿技术/63
第一节光遗传学/63
第二节学习记忆其他前沿技术及进展/71
第七章机器学习概述/75
第一节机器学习发展简史/75
第二节机器学习的概念/77
第三节应用/78
第三节未来展望/81
第八章实验环境搭建/83
第一节vs2013安装教程/83
第二节opencv2.4.10 vs2013环境搭建/83
第三节python环境配置教程/86
第四节在Windows上安装tensorflow/90
第五节Unity安装教程/92
第九章搜索算法十五数码问题实验/94
第十章小鼠记忆仿真实验/103
第十一章遗传算法TSP问题实验/109
第十二章卷积神经网络实现手写数字识别实验/121
第十三章机器学习人脸识别实验/133