人脑与计算机

传统的计算机基于冯诺依曼结构——由独立的中央处理单元（Control unit和Logic unit）对存储单元进行读写控制，这与人脑是相当不同的——人脑中的神经元可以从其他神经元获得电信号，经过处理再传递给别的神经元，之间的连接方法也是可变的，可以说人脑拥有一种自适应、分布式的计算模式。

神经元

神经元是一种细胞，通过消耗能量维持细胞膜内外离子浓度的不平衡，从而维持电位差。

电位

神经元受到足够刺激后，钠离子迅速流入细胞内，细胞膜电位升高。
刺激停止后，钾离子流出细胞外，细胞膜电位降低。

这种现象被叫做锋电位。

然而真正携带信息的不是锋电位本身，而是其出现的时间与放电率。

正是因为有这样的变化过程，神经元可以用01模型表示。

树突、轴突与突触

一个神经元细胞包括树突和轴突，突触是一个神经元的树突与另一神经元的轴突之间的结构。

突触可塑性

Long-term Potentiation

Donald Hebb假说: IF A神经元 持续参与激发 B神经元，THEN AB之间的连接强度增强。

这被称为Hebbian Study。

Long-term Depression

STDP

对突触前后放电时间的控制，可以决定刺激产生突触变化的正负。

Hebbian STDP：突触前锋电位早于后锋电位，强度增加；反之减弱。（也有完全相反的反Hebbian STDP）

Short-term Potentiation

输入的锋电位序列产生影响依次减弱，直至达到平衡。

（我想这有些像环境学里的负反馈调节…LTP有点像正反馈调节？）

神经元的阈值模型

尽管本身是个复杂的过程，锋电位的产生却可以抽象成钠离子流入、钾离子流出–>超过阈值，产生锋电位的模型。神经元是一个01计算设备，对输入的0-1求和，若结果超过阈值，则产生锋电位。

这也是人工神经网络的构建方法。

脑解剖学

*参考教材：Bear（2007），Kandel（2012）

人类神经系统大致分为CNS(Central)和PNS(Peripheral), CNS构成如下

Signal Processing

对神经元进行1-0处理器建模后，我们希望记录大脑信号并进行相应刺激。

记录信号

简而言之，侵入式技术（微型电极[常用]、膜片钳插入目标脑区）记录单个神经元的信号，而非侵入式技术（常用的EEG）记录的是神经元集群的信号。

还有记录血流量变化的fMRI和磁场变化的MEG。

数据里经常出现的EOG是眼电图，ECG是心电图。

EEG

EEG主要用于记录大脑皮层（靠近头皮）的信号。EEG信号是上千个神经元产生电位的总和，在空间上分辨率不好，但时间上分辨率好，可以精确到毫秒。

EEG信号范围在几十微V内，需要进行信号放大和去噪。

标准化电极位置（请参考mne官网）：

刺激大脑

同样也分为侵入式和非侵入式。暂时不想了解。

信号处理

傅里叶分析

简而言之，就是将一个信号分解为正弦波和余弦波的加权和。

（此处有图）