دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.] نویسندگان: David Sterratt, Bruce Graham, Andrew Gillies, David Willshaw سری: ISBN (شابک) : 0521877954, 9780521877954 ناشر: Cambridge University Press سال نشر: 2011 تعداد صفحات: 404 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Principles of Computational Modelling in Neuroscience 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 اصول مدل سازی محاسباتی در علوم اعصاب 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.
سیستم عصبی از تعداد زیادی عنصر متقابل تشکیل شده است. برای درک چگونگی عملکرد چنین سیستم پیچیده ای نیاز به ساخت و تجزیه و تحلیل مدل های محاسباتی در سطوح مختلف است. این کتاب شرح گام به گام نحوه مدلسازی نورون و مدار عصبی برای درک سیستم عصبی در همه سطوح، از کانالهای یونی گرفته تا شبکهها را ارائه میدهد. با شروع یک مدل ساده از نورون به عنوان یک مدار الکتریکی، به تدریج جزئیات بیشتری اضافه می شود که شامل اثرات مورفولوژی عصبی، سیناپس ها، کانال های یونی و سیگنال دهی درون سلولی می شود. اصل انتزاع از طریق فصلهایی در مورد سادهسازی مدلها و نحوه استفاده از مدلهای ساده شده در شبکهها توضیح داده میشود. این موضوع در فصل پایانی در مورد مدل سازی توسعه سیستم عصبی ادامه می یابد. این کتاب درسی که به پیشینه ابتدایی در علوم اعصاب و برخی ریاضیات دبیرستان نیاز دارد، مبنای ایده آلی برای دوره ای در علوم اعصاب محاسباتی است.
The nervous system is made up of a large number of interacting elements. To understand how such a complex system functions requires the construction and analysis of computational models at many different levels. This book provides a step-by-step account of how to model the neuron and neural circuitry to understand the nervous system at all levels, from ion channels to networks. Starting with a simple model of the neuron as an electrical circuit, gradually more details are added to include the effects of neuronal morphology, synapses, ion channels and intracellular signaling. The principle of abstraction is explained through chapters on simplifying models, and how simplified models can be used in networks. This theme is continued in a final chapter on modeling the development of the nervous system. Requiring an elementary background in neuroscience and some high school mathematics, this textbook is an ideal basis for a course on computational neuroscience.