دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting
دانلود کتاب سیستم های دینامیکی در علوم اعصاب: هندسه تحریک پذیری و انفجار
مشخصات کتاب
Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting
ویرایش: 1
نویسندگان: Eugene M. Izhikevich
سری: Computational Neuroscience
ISBN (شابک) : 0262090430, 9780262090438
ناشر: The MIT Press
سال نشر: 2006
تعداد صفحات: 522
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
قیمت کتاب (تومان) : 40,000
در صورت تبدیل فایل کتاب Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب سیستم های دینامیکی در علوم اعصاب: هندسه تحریک پذیری و انفجار نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب سیستم های دینامیکی در علوم اعصاب: هندسه تحریک پذیری و انفجار
به منظور مدل‌سازی رفتار عصبی یا تفسیر نتایج مطالعات مدل‌سازی،
عصب‌شناسان باید از روش‌های دینامیک غیرخطی استفاده کنند. این
کتاب مقدمه ای بر نظریه سیستم های دینامیکی غیرخطی برای محققان و
دانشجویان فارغ التحصیل در علوم اعصاب ارائه می دهد. همچنین برای
ریاضیدانانی که می خواهند حقایق اساسی الکتروفیزیولوژی را
بیاموزند، مروری بر علوم اعصاب ارائه می دهد.
سیستم های پویا در علوم اعصاب یک مطالعه سیستماتیک از
رابطه الکتروفیزیولوژی، دینامیک غیرخطی ارائه می کند. و خواص
محاسباتی نورون ها این کتاب تاکید می‌کند که پردازش اطلاعات در
مغز نه تنها به ویژگی‌های الکتروفیزیولوژیک نورون‌ها، بلکه به
ویژگی‌های دینامیکی آنها نیز بستگی دارد.
این کتاب سیستم‌های دینامیکی را معرفی می‌کند، که با
هوچکین-هاکسلی- یک و دو بعدی شروع می‌شود. مدل‌ها را تایپ کنید و
به شرح سیستم‌های ترکیدن ادامه دهید. هر فصل از ساده به پیچیده
ادامه می‌دهد و نمونه‌هایی از مسائل را در پایان ارائه می‌کند.
این کتاب تمام مفاهیم ریاضی لازم را با استفاده از شهود هندسی
توضیح می دهد. این شامل بسیاری از ارقام و معادلات کمی است، که آن
را به ویژه برای غیر ریاضیدانان مناسب می کند. هر مفهومی از نظر
علوم اعصاب و ریاضیات ارائه شده است و پیوندی بین این دو رشته
ایجاد می‌کند.
نظریه سیستم‌های دینامیکی غیرخطی هسته اصلی تحقیقات علوم اعصاب
محاسباتی است، اما بخشی استاندارد از این نظریه نیست. برنامه درسی
علوم اعصاب فارغ التحصیل - یا توسط گروه ریاضی یا فیزیک به روشی
تدریس می شود که برای دانشجویان زیست شناسی مناسب باشد. این کتاب
به دانشجویان و محققان علوم اعصاب شرحی جامع از مفاهیم و روش‌هایی
که به طور فزاینده در علوم اعصاب محاسباتی استفاده می‌شوند، ارائه
می‌کند.
فصل اضافی در مورد همگام‌سازی، با مطالب پیشرفته‌تر، را می‌توانید
در وبسایت نویسنده، www.izhikevich بیابید. .com
توضیحاتی درمورد کتاب به خارجی
In order to model neuronal behavior or to interpret the results
of modeling studies, neuroscientists must call upon methods of
nonlinear dynamics. This book offers an introduction to
nonlinear dynamical systems theory for researchers and graduate
students in neuroscience. It also provides an overview of
neuroscience for mathematicians who want to learn the basic
facts of electrophysiology.
Dynamical Systems in Neuroscience presents a systematic
study of the relationship of electrophysiology, nonlinear
dynamics, and computational properties of neurons. It
emphasizes that information processing in the brain depends not
only on the electrophysiological properties of neurons but also
on their dynamical properties.
The book introduces dynamical systems, starting with one- and
two-dimensional Hodgkin-Huxley-type models and continuing to a
description of bursting systems. Each chapter proceeds from the
simple to the complex, and provides sample problems at the end.
The book explains all necessary mathematical concepts using
geometrical intuition; it includes many figures and few
equations, making it especially suitable for
non-mathematicians. Each concept is presented in terms of both
neuroscience and mathematics, providing a link between the two
disciplines.
Nonlinear dynamical systems theory is at the core of
computational neuroscience research, but it is not a standard
part of the graduate neuroscience curriculum—or taught by math
or physics department in a way that is suitable for students of
biology. This book offers neuroscience students and researchers
a comprehensive account of concepts and methods increasingly
used in computational neuroscience.
An additional chapter on synchronization, with more advanced
material, can be found at the author's website,
www.izhikevich.com.
