Cognitive Phase Transitions in the Cerebral Cortex - Enhancing the Neuron Doctrine by Modeling Neural Fields

این کتاب جذاب از بحث‌های بسیاری که نویسندگان در 10 سال گذشته در مورد نقش ساختار و پویایی بدون مقیاس در تولید رفتار هوشمند در مغز داشتند، زاده شد.
دینامیک میکروسکوپی شبکه‌های عصبی توسط پارادایم غالب مبتنی بر تفسیری محدود از دکترین نورون به خوبی توصیف شده است. این کتاب با ترکیب دینامیک میدان‌های عصبی، که اولین بار با مدل‌سازی با معادلات دیفرانسیل (مجموعه‌های K) آشکار شد، دکترین را گسترش می‌دهد. این کتاب این رویکرد را با استفاده از نظریه گراف تصادفی (نورپرکولاسیون) گسترش می‌دهد. این کتاب با تفاسیر متنوعی به پایان می رسد که طیف وسیعی از رویکردهای ریاضی/مفهومی در زمینه های عصبی را نشان می دهد.
این کتاب برای محققان، فوق دکترا و دانشجویان فارغ التحصیل در نظر گرفته شده است که محدودیت‌های نظریه شبکه را می‌بینند و به دنبال راهی برای شروع نورودینامیک مزوسکوپی و ماکروسکوپی هستند.

This intriguing book was born out of the many discussions the authors had in the past 10 years about the role of scale-free structure and dynamics in producing intelligent behavior in brains.
The microscopic dynamics of neural networks is well described by the prevailing paradigm based in a narrow interpretation of the neuron doctrine. This book broadens the doctrine by incorporating the dynamics of neural fields, as first revealed by modeling with differential equations (K-sets). The book broadens that approach by application of random graph theory (neuropercolation). The book concludes with diverse commentaries that exemplify the wide range of mathematical/conceptual approaches to neural fields.
This book is intended for researchers, postdocs, and graduate students, who see the limitations of network theory and seek a beachhead from which to embark on mesoscopic and macroscopic neurodynamics.