Neural Systems: Analysis and Modeling

در سال‌های اخیر فعالیت فوق‌العاده‌ای در علوم اعصاب محاسباتی حاصل از دو پیشرفت موازی صورت گرفته است. از یک طرف، دانش ما در مورد سیستم های عصبی واقعی در طول سال ها به طور چشمگیری افزایش یافته است. از سوی دیگر، اکنون توان محاسباتی کافی برای انجام شبیه‌سازی واقعی مدارهای عصبی واقعی وجود دارد. این منجر به انقلابی در علوم اعصاب کمی می شود که تعداد فزاینده ای از دانشمندان را از رشته های غیر زیستی جذب می کند. این دانشمندان تخصص در پردازش سیگنال، نظریه اطلاعات و نظریه سیستم‌های دینامیکی را به همراه دارند که به تغییر روش‌های ما برای نزدیک شدن به سیستم‌های عصبی کمک کرده است. پیشرفت‌های جدید در تکنیک‌های تجربی، زیست‌شناسان را قادر می‌سازد تا داده‌های لازم برای آزمایش این نظریه‌های جدید را جمع‌آوری کنند. در حالی که ما هنوز درک نمی کنیم که مغز چگونه می بیند، می شنود یا بو می کند، مدل های قابل آزمایشی از اجزای خاص پردازش بینایی، شنوایی و بویایی داریم. برخی از این مدل‌ها برای کمک به ساخت سیستم‌های بینایی و شنوایی مصنوعی استفاده شده‌اند. به طور مشابه، درک ما از کنترل موتور به حدی رسیده است که به راهنمای مفیدی در توسعه ربات‌های مصنوعی تبدیل شده است. بسیاری از عصب شناسان بر این باورند که ما فقط سطح را خراشیده ایم و درک کامل تر از پردازش اطلاعات بیولوژیکی احتمالاً منجر به فناوری هایی می شود که تأثیر آنها انقلاب صنعتی دیگری را به پیش خواهد برد.
سیستم‌های عصبی: تحلیل و مدل‌سازی حاوی مقالات گردآوری شده کنفرانس تحلیل و مدل‌سازی سیستم‌های عصبی (AMNS) در سال 1991، و مقالات ارائه‌شده در سمپوزیوم ماهواره‌ای در مورد مدل‌سازی محفظه‌ای است که در ژوئیه برگزار شد. 23-26، 1992، در سانفرانسیسکو، کالیفرنیا. مقالات شامل، ارائه به روز رسانی از جدیدترین پیشرفت ها در تجزیه و تحلیل کمی و تکنیک های مدل سازی برای مطالعه سیستم های عصبی است.

In recent years there has been tremendous activity in computational neuroscience resulting from two parallel developments. On the one hand, our knowledge of real nervous systems has increased dramatically over the years; on the other, there is now enough computing power available to perform realistic simulations of actual neural circuits. This is leading to a revolution in quantitative neuroscience, which is attracting a growing number of scientists from non-biological disciplines. These scientists bring with them expertise in signal processing, information theory, and dynamical systems theory that has helped transform our ways of approaching neural systems. New developments in experimental techniques have enabled biologists to gather the data necessary to test these new theories. While we do not yet understand how the brain sees, hears or smells, we do have testable models of specific components of visual, auditory, and olfactory processing. Some of these models have been applied to help construct artificial vision and hearing systems. Similarly, our understanding of motor control has grown to the point where it has become a useful guide in the development of artificial robots. Many neuroscientists believe that we have only scratched the surface, and that a more complete understanding of biological information processing is likely to lead to technologies whose impact will propel another industrial revolution.
Neural Systems: Analysis and Modeling contains the collected papers of the 1991 Conference on Analysis and Modeling of Neural Systems (AMNS), and the papers presented at the satellite symposium on compartmental modeling, held July 23-26, 1992, in San Francisco, California. The papers included, present an update of the most recent developments in quantitative analysis and modeling techniques for the study of neural systems.