2023年第一届神经计算建模及编程培训班

神经计算建模利用数学、物理、计算机等工具来研究神经系统的结构、功能和机制，目前已经成为阐明大脑工作的计算原理和发展类脑智能的基本工具。为了普及神经计算建模方法，推动我国计算神经科学的人才培养与发展，由中国神经科学学会计算神经科学与神经工程分会发起，北京大学神经信息处理课题组精心设计了《神经计算建模及编程培训班》课程。

这门课程以北京大学神经信息处理课题组撰写的《神经计算建模实战》教材为基础，结合神经计算通用编程框架BrainPy编程为辅，实行“理论+实践”结合的教学理论。通过这门课程，学员们将掌握神经计算建模的基本概念、方法和技术，以及如何用Python编程语言实现神经系统的方便建模和高效模拟，为未来在神经计算领域或者在类脑智能领域的研究打下坚实的基础。

课程内容包括：

• 神经计算建模简介

• 神经元的电生理模型及动力学分析

• 突触动力学及其可塑性模型

• 神经网络的动力学及常见计算模型

• AI在神经计算建模中的应用

本着孔子“有教无类”的原则，我们欢迎任何对神经计算建模感兴趣的老师和学生参加。

以下内容为GPT视角对神经计算建模及编程相关领域的解读，仅供参考：

神经计算建模及编程发展现状

神经计算建模和编程是人工智能领域中的一个重要分支，它通过模拟人脑的神经网络来模拟人类的认知和决策过程。目前，神经计算建模和编程在学术界和工业界都得到了广泛的应用，包括机器翻译、自然语言处理、图像识别、语音识别、智能推荐等。

在神经计算建模方面，深度学习是最为常用的方法之一。深度学习通过构建多层次的神经网络来模拟人脑的神经网络，从而能够更好地处理复杂的图像、语音、自然语言等数据。目前，深度学习在许多领域都取得了显著的成果，例如在图像分类、语音识别、自然语言处理等方面都取得了突破性的进展。

在神经计算编程方面，许多公司都开发了自己的神经计算编程框架，例如谷歌的TensorFlow、脸谱的PyTorch、百度的PaddlePaddle等。这些框架为开发者提供了便捷的神经计算开发工具，使得开发者能够更加方便地进行神经计算模型的构建和训练。

神经计算建模及编程前沿科技

1. 神经网络结构的创新：随着研究的深入，神经网络的结构也在不断地被创新和优化。例如，出现了卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）、变分自编码器（VAE）等不同的神经网络结构，这些结构在处理不同的任务时具有各自的优势。
2. 深度学习算法的优化：深度学习算法也在不断地被优化和改进，例如出现了注意力机制、生成对抗网络（GAN）、强化学习等新的算法和技术。这些新的技术能够使深度学习模型更好地处理复杂的任务，提高模型的性能和泛化能力。
3. 神经计算的硬件加速：由于神经计算的复杂性，它需要大量的计算资源和时间。为了加速神经计算，研究者正在开发新的硬件加速技术，例如GPU、TPU、FPGA等加速器。这些技术能够显著提高神经计算的效率和速度，使得神经计算更加实用和可行。
4. 类脑计算机器的设计：随着对大脑研究的深入，研究者正在设计类脑计算机器，例如IBM的TrueNorth、谷歌的Sycamore等。这些计算机器具有类似于人脑的神经网络结构和计算能力，能够模拟人类的认知和决策过程，为解决复杂的计算问题提供新的思路和方法。

神经计算建模及编程最新成果

1. 大型预训练模型：最近几年，出现了许多大型的预训练模型，例如GPT系列、BERT、T5等，这些模型在多个自然语言处理任务中取得了显著的成果。这些模型的训练通常需要大量的计算资源和数据，但它们具有很强的泛化能力和适应能力，能够适应不同的任务和领域。
2. 图像生成和转换：最近，基于深度学习的图像生成和转换技术也取得了很大的进展，例如GAN、扩散模型等。这些技术可以生成高质量的图像，并且可以将一张图像转换为另一种形式，例如将照片转换为艺术风格或将其转换为其他领域的数据。
3. 神经符号计算：神经符号计算是一种结合了神经网络和符号逻辑的技术，它可以将自然语言中的语义信息转化为符号逻辑，然后使用神经网络对这些符号进行计算和处理。这种技术可以提高自然语言处理的准确性和可解释性。
4. 可解释的机器学习：可解释的机器学习是一种使机器学习模型更易于理解和解释的技术。最近，一些研究者提出了可解释性强的神经网络结构，例如注意力网络、稀疏激活网络等。这些结构可以使神经网络的决策过程更加透明和可解释。
5. 神经芯片和加速器：最近，一些新型的神经芯片和加速器也被开发出来，例如Google的TPU、IBM的TrueNorth等。这些芯片和加速器专门为神经计算设计，可以大大提高神经计算的效率和速度。

神经计算建模及编程领域知名专家

1. 吴朝晖：浙江大学校长，从事人工智能、神经网络方面的研究。
2. 郑南宁：西安交通大学教授，是中国计算机学会和中国自动化学会副理事长，主要从事计算机视觉、认知计算等方面的研究。
3. 郝跃：西安电子科技大学教授，是中国电子学会和中国微米纳米技术学会理事长，主要从事微纳电子学、神经网络等方面的研究。
4. 蒲慕明：中科院神经所所长，是中国科学院院士，主要从事神经科学、计算神经工程等方面的研究。
5. 杨雄里：复旦大学教授，是中国科学院院士，主要从事神经科学、视觉信息处理等方面的研究。
6. 祝世宁：南京大学教授，是中国科学院院士，主要从事纳米材料、神经工程等方面的研究。
7. 黄如：北京大学教授，是中国科学院院士，主要从事超导电子学、神经网络等方面的研究。
8. 刘明：中科院微电子所研究员，主要从事纳米电子学、神经芯片等方面的研究。
9. 王飞跃：中科院自动化所研究员，是中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任，主要从事自动控制、智能机器人、航天遥操作等方面的研究。
10. 张钹：清华大学教授，是中国科学院院士，主要从事人工智能、机器学习等方面的研究。
11. 施路平：清华大学教授，是交叉信息研究院院长，主要从事超导量子计算、类脑计算等方面的研究。