Seminario de Neurociencia Computacional:
Responsable: Mariano Sigman
Formato del curso de
doctorado:
La materia consiste dura un cuatrimestre con dos clases teóricas semanales
(2 horas cada una) 1 clase de problemas semanal (3 horas) y una clase de trabajos
prácticos (computacional) semanal 3 horas. La materia se aprueba con dos
examines parciales, un examen final, la presentación de un seminario y la
presentación final de un proyecto de un trabajo final (puede ser un trabajo
computacional o experimental).
Programa:
1) Computando con neuronas:
Clase 1-2) Resumen de la biofísica de neuronas, mecanismos de integración y
propagación de la información. Constantes temporales y espaciales relevantes.
Clase 3) Modelos computacionales de neuronas: Del “Integrated
and Fire” a modelos
parametritos que capturar la diversidad neuronal.
Clase 4) Circuitos Neuronales I: Integración y mantenimiento de la
información es circuitos neuronales. Colapso de muchas neuronas a elementos
representativos (campo medio). Aspectos fundamentales de un circuito minimal, reverberación, inhibición lateral.
Clase 5-6) Circuitos Neuronales II: Resolviendo cómputos con circuitos
neuronales. Detección, discriminación, memoria, aritmética, reconocimiento de
patrones.
2)
Hacia una teoría matemática de la
neurociencia.
Clase 7) Sistemas lineales, Fourier, teoría de
detección, inferencia bayesiana.
Clase 8) Teoría de la información: Midiendo información en neuronas y en
imágenes.
Clase 9) Teoría de grafos: difusión, conectividad, clustering,
tráfico. Crecimiento y reglas de escala. Grafos del cerebro (anatómicos,
funcionales) y grafos cognitivos (del espacio de significados)
Clase 10-11) Medidas de complejidad y compresibilidad. Relación entre
teorías matemáticas de la complejidad y la percepción cognitiva de la
complejidad. ¿Porque el cerebro es una
mala maquina de Turing?
3)
Visión: El mundo externo y la construcción
de un mundo interno.
Clase 12) Psicofísica: El puente entre el mundo objetivo y el subjetivo.
Algunos aspectos salientes: detección y aditiviad,
discriminación e inhibición, inferencia.
Clase 13) Estadística del mundo visual. Color, luminosidad, forma. Alguna
explicación física de la regularidad del mundo visual.
Clase 14-15) Teoría ecológica de la percepción: Inferencia de circuitos
neuronales y funciones psicofísicas a partir de una función (compresión,
estimación, regularización) sobre el ensamble con regularidades estadísticas
del mundo visual.
Clase 16) Visión central y visión periférica: Factor de magnificación.
Visión en el punto ciego.
Clase 17) Movimientos oculares: Estrategias ideales (y no ideales) de
inspección del mundo visual.
Clase 18) Integración percpetual: Sintaxis en el
mundo visual, emergencia de formas, percepción de objetos. Álgebra del espacio
de objetos: matemática y psicología.
Clase 19-20) Aprendizaje Percpetual: Asimilación
de propiedades estadísticas, aprendizaje
implícito y explicito. Mecánica del aprendizaje. Aprendizaje local (hebbiano). Otras alternativas algorítmicas para el
aprendizaje: neurogenesis, aprendizaje global
(grafos).
Clase 21) Mecánica de la lectura: Emergencia de un circuito para la
lectura. Reciclaje neuronal. Utilización de circuitos viejos para funciones
nuevas. Teoría de la información en el mundo visual. Estadística, saliencia y emergencia de circuitos.
4)
Flujo de Información y arquitectura del
sistema nervioso
Clase 22) Trafico de información en el sistema nervioso. 1) Cronometria y variabilidad en tiempos de respuesta. ¿Cuales
son las subcomponentes de una tarea cognitiva? 3) Modelos neuronales (de sistema) de
propagación y acumulación de la información.
Clase 23-24) Diferenciación e integración de la información. Computación
paralela y serial. Asimilación de múltiples fuentes simultaneas de la información.
Organización de procesos conscientes e inconscientes, procesamiento en paralelo
de información subliminal y el acceso restringido a procesos conscientes o de
control ejecutivo.
Clase 25) Difusión y navegación en grafos semánticos: Matrices de transición
entre estados. Métrica en el espacio semántico. Flujo de ideas y de asociación
de significados como un ejemplo de flujo de información. Incorporación de
Clase 26) Procesamiento de información en distintos estados de conciencia:
Vigilia, sueño, patologías de conciencia, esquizofrenia o estados alterados de
conciencia.
5)
Modelos computacionales de la conciencia y
del control conciente
Clase 27) Modelos arquitectónicos y dinámicos del cerebro: Emergencia de un
sistema de control o sistema ejecutivo. De modelos psicológicos a modelos
dinámicos.
Clase 28) Modelos biofísicos de propagación, selección, amplificación y
mantenimiento de la información.
Estímulos externos (sensoriales) e internos (mnemónicos, generación
espontánea de ideas). Modelos estables capaces de explicar el que colapso de
estas dos fuentes de información. Caracterización dinámica de los “estados
cerebrales”. Distintas variantes de estos modelos: Núcleo dinámico,
complejidad, espacio de trabajo, sistema ejecutivo
Clase 29) Biofísica de la toma de decisiones. Categorización de una
variable analógica, emergencia del símbolo. Ventajas y desventajas del calculo simbólico.
Clase 30) Emergencia de jerarquías y bucles. Hacia una sintaxis común en el
tratamiento de la información: 1) La estructura del sistema visual. Se hará una
descripción de los resultados clásicos de la organización jerárquica del
sistema, y como casos particulares el problema de ‘binding’ y el de visión
holista (percepción de caras, palabras y otros objetos de alto valor etológico
con sub-partes bien definidas) 2) Lenguaje. Se
discutirá los principios de la sintaxis con un foco sobre el tema de la
recombinación de estructuras, se presentaran ejemplos concretos, experimentos
en humanos.
Clase 31) Modelos y experimentos de la iniciación de la acción: ¿Qué sucede
cuando uno “decide” hacer algo? Componentes predictivas
de la iniciación de la acción. Experimentos de Libet.
La “ilusión” del libre albedrío.
Clase 32) Modelos computacionales de la conciencia. Regalas emergentes.
Hacia una física estadística de los circuitos neuronales.
Bibliografía:
Libros:
Barlow, H. B. (1960). The coding of sensory messages. Current
problems in animal behavior. W. H. Thorpe and G.
J. Mitchison.
Laming, D. (1968). Information theory of choice-reaction times.
Peter Dayan and L. F.
Abbott , Theoretical Neuroscience: Computational
and Mathematical Modeling of Neural Systems
Fred Rieke, David Warland, Rob deRuytervanSteveninck,
and William Bialek (1999) Spikes: Exploring the
Neural Code (Computational Neuroscience)
Eugene M. Izhikevich (2006)
Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting
Edmund T. Rolls and Gustavo Deco (2001) Computational
Neuroscience of Vision
Christof Koch (1998) Biophysics of
Computation: Information Processing in Single Neurons (Computational
Neuroscience)
David J. C. MacKay (2002) Information
Theory, Inference & Learning Algorithms
Claude E Shannon and Warren Weaver (1963) The Mathematical Theory of Communication
Artículos relacionados:
Altmann, C. F., H. H. Bulthoff,
et al. (2003). "Perceptual organization of local
elements into global shapes in the human visual cortex." Curr Biol 13(4): 342-9.
Andersen, R. A. (1995). "Encoding of intention and spatial location in the posterior
parietal cortex." Cereb Cortex
5(5): 457-69.
Atick, J. and A. N. Redlich (1992). "What does the retina know about natural scenes." Neural Computation(4):
196-210.
Baddeley, A., H. Emslie,
et al. (1998). "Random generation and the executive
control of working memory." Q J Exp Psychol A 51(4): 819-52.
Barenholtz, E., E. H. Cohen, et al. (2003). "Detection of change in
shape: an advantage for concavities." Cognition 89(1): 1-9.
Barlow, H. B. (1972). "Single
units and sensation: A neuron doctrine for perceptual psychology?" Perception
1(4): 371-394.
Barlow, H. B. and
P. Foldiak (1989). Adaptation and Decorrelation in the Cortex. The
Computing Neuron. C. Miall, R. M. Durbin
and G. J. Mitchison. Addison-Wesley.
Barlow, H. B., T. P. Kaushal, et al. (1989). "Finding
minimum entropy codes." Neural Computation 1: 412-423.
Botvinick, M., L. E. Nystrom, et al. (1999). "Conflict monitoring
versus selection-for-action in anterior cingulate
cortex." Nature 402(6758):
179-81.
Britten, K. H., W. T. Newsome, et al.
(1996). "A relationship between behavioral choice and
the visual responses of neurons in
Broadbent, D. E.
and M. H. Broadbent (1987). "From detection to identification: response to multiple targets in
rapid serial visual presentation." Percept Psychophys 42(2):
105-13.
Cecchi, G. A., M. Sigman,
et al. (2000). "Noise in neurons is message dependent." Proc Natl Acad Sci U S A 97(10): 5557-61.
Cohen, L. and S. Dehaene (2004). "Specialization within the ventral
stream: the case for the visual word form area." Neuroimage
22(1): 466-76.
Colby, C. L., J. R. Duhamel, et al. (1996). "Visual, presaccadic,
and cognitive activation of single neurons in monkey lateral intraparietal area." J Neurophysiol
76(5): 2841-52.
Colby, C. L. and
M. E. Goldberg (1999). "Space and attention in parietal cortex."
Annu Rev Neurosci
22: 319-49.
Collins, A. M. and
E. F. Loftus (1975). "A spreading activation theory of semantic
processing." Psych.Rev. 82: 407-428.
Collins, A. M. and
M. R. Quillian (1969). "Retrieval of time from
semantic memory." Journal of Verbal Behavior and Verbal Learning
8: 240-247.
Corbetta, M. and G. L. Shulman (2002). "Control of
goal-directed and stimulus-driven attention in the brain." Nat
Rev Neurosci 3(3):
201-15.
Changeux, J. P. and S. Dehaene (2000). "Hierarchical neuronal
modeling of cognitive functions: from synaptic transmission to the
de Ruyter van Steveninck,
R. R., G. D. Lewen, et al. (1997). "Reproducibility and
variability in neural spike train." Science 275: 1805-1808.
Dehaene-Lambertz, G., L.
Hertz-Pannier, et al. (2006). "Functional organization of perisylvian
activation during presentation of sentences in preverbal infants." Proc
Natl Acad Sci U S A 103(38): 14240-5.
Dehaene, S. (2006). Symbols and quantities in parietal
cortex: Elements of a mathematical theory of number representation and
manipulation. Attention & Performance 2006.
Dehaene, S., L. Cohen, et
al. (2005).
"The neural code for written words: a proposal." Trends Cogn Sci 9(7): 335-41.
Dehaene, S. and J. P. Changeux (2005). "Ongoing spontaneous activity controls
access to consciousness: a neuronal model for inattentional
blindness." PLoS Biol
3(5): e141.
Dehaene, S., M. Kerszberg, et al. (1998). "A neuronal model of a
global workspace in effortful cognitive tasks." Proc Natl Acad Sci
U S A 95(24):
14529-34.
Dehaene, S. and L. Naccache (2001). "Towards a cognitive neuroscience of
consciousness: basic evidence and a workspace framework." Cognition 79(1-2):
1-37.
Dehaene, S., L. Naccache,
et al. (1998). "Imaging unconscious
semantic priming." Nature 395: 597-600.
Dehaene, S., C. Sergent, et al. (2003). "A
neuronal network model linking subjective reports and objective physiological
data during conscious perception." Proc Natl Acad Sci U S A
100(14): 8520-5.
Dehaene, S.,
Dong, D. W. and J.
Atick (1995). " Statistics of
natural time-varying images." Netw. Comput. Neural Syst 6: 345-358.
Duncan, E. M. and
C. E. McFarland, Jr. (1980). "Isolating the effects of symbolic distance and
semantic congruity in comparative judgments: an additive-factors
analysis." Mem Cognit 8(6):
612-22.
Duncan, J., G. Humphreys, et al.
(1997). "Competitive brain activity in visual
attention." Curr Opin Neurobiol 7(2): 255-61.
Edwards, W.
(1965).
"Optimal strategies for seeking information: Models for statistics, choice
reaction times, and human information processing." Joural
of Mathematical Psychology 41:
260-274.
Engel, A. K., P. Fries, et al.
(2001). "Dynamic predictions: oscillations and synchrony in top-down
processing." Nat Rev Neurosci 2(10): 704-16.
Engel, A. K. and
W. Singer (2001).
"Temporal binding and the neural correlates of sensory
awareness." Trends Cogn Sci 5(1):
16-25.
Feldman, J. (2000). "Minimization of Boolean complexity in human concept
learning." Nature 407(6804):
630-3.
Feldman, J. (2003). "What is a
visual object?" Trends Cogn Sci 7(6):
252-256.
Feldman, J. and M.
Singh (2005). "Information along contours and object boundaries."
Psychol Rev 112(1): 243-52.
Field, D. J.
(1987). "Relations between the statistics of natural images and the
response properties of cortical cells." J.Opt.Soc.Am.A
4: 2379-2394.
Fodor, J. A. and
Z. W. Pylyshyn (1981). "How direct is visual perception?: some reflections on Gibson's "Ecological
Approach'." Cognition 9(2):
139-96.
Formisano, E. and R. Goebel
(2003). "Tracking cognitive processes with functional MRI mental
chronometry." Curr Opin Neurobiol 13(2): 174-81.
Geisler, W. S. and D. G.
Albrecht (1995).
"Bayesian analysis of identification performance in monkey visual cortex:
nonlinear mechanisms and stimulus certainty." Vision Res 35(19):
2723-30.
Geisler, W. S. and R. L.
Diehl (2002). "Bayesian natural selection and the evolution of perceptual
systems." Philos Trans R Soc Lond B Biol Sci
357(1420): 419-48.
Geisler, W. S., J. S. Perry, et al. (2001).
"Edge co-occurrence in natural images predicts contour grouping
performance." Vision Res 41(6): 711-24.
Gilbert, C. D., M. Sigman, et al. (2001). "The neural
basis of perceptual learning." Neuron 31(5): 681-97.
Gold, J. I. and M.
N. Shadlen (2001). "Neural computations
that underlie decisions about sensory stimuli." Trends Cogn Sci 5(1): 10-16.
Gottlieb, J. P., M. Kusonoki,
et al. (1998).
"The representation of visual salience in monkey parietal cortex." Nature 391: 481-484.
Greenwald, A. G., S. C. Draine, et al. (1996). "Three
cognitive markers of unconscious semantic activation." Science
273(5282): 1699-702.
Itti, L. and C. Koch
(2001). "Computational modelling of visual
attention." Nat Rev Neurosci 2(3): 194-203.
Kapadia, M. K., M. Ito, et al. (1995).
"Improvements in visual sensitivity by changes in local context: Parallel
studies in human observers and in V1 of alert monkeys." Neuron 15(4): 843-856.
Khayat, P. S., H. Spekreijse,
et al. (2004). "Visual information transfer across eye movements in the monkey."
Vision Res 44(25): 2901-17.
Koch, C. and S. Ullman (1985). "Shifts in selective visual attention:
Towards the underlying neural circuitry." Human Neurobiology 4: 219-227.
Koch, I. (2005). "Sequential
task predictability in task switching." Psychon Bull Rev 12(1):
107-12.
Kourtzi, Z., L. R. Betts,
et al. (2005).
"Distributed neural plasticity for shape learning in the human visual
cortex." PLoS Biol 3(7): e204.
Kourtzi, Z., A. S. Tolias, et al.
(2003). "Integration of
local features into global shapes: monkey and human FMRI studies." Neuron
37(2): 333-46.
Kovacs,
Kovacs,
Laming, D. (1979). "Autocorrelation of choice-reaction times." Acta Psychol (Amst) 43(5):
381-412.
Lamme, V. A. and P. R. Roelfsema (2000). "The distinct modes of
vision offered by feedforward and recurrent
processing." Trends Neurosci 23(11): 571-9.
Lamme, V. A., H. Super, et al. (2000). "The role of primary visual cortex (V1) in visual
awareness." Vision Res 40(10-12): 1507-21.
Lee, T. S. and D. Mumford (2003). "Hierarchical Bayesian
inference in the visual cortex." J Opt Soc Am A Opt
Image Sci Vis 20(7):
1434-48.
Lee, T. S., C. F. Yang, et al. (2002). "Neural activity in
early visual cortex reflects behavioral experience and higher-order perceptual
saliency." Nat Neurosci 5(6): 589-97.
Lee.T.S, Mumford.D., et al. (1999). "The role of primary visual cortex in higher level
vision." Vision Res. 38:
2429-2454.
Leon, M. I. and M.
N. Shadlen (1998). "Exploring the
neurophysiology of decisions." Neuron 21(4): 669-72.
Li, Z. (1998). "A
neural model of contour integration in the primary visual cortex." Neural Computation 10:
903-940.
Mazurek, M. E., J. D. Roitman,
et al. (2003).
"A role for neural integrators in perceptual decision making." Cereb
Cortex 13(11): 1257-69.
McCandliss, B. D., L. Cohen, et al. (2003).
"The visual word form area: expertise for reading in the fusiform gyrus." Trends Cogn Sci 7(7): 293-299.
McIntosh, A. R. (2000). "Towards a network theory of cognition." Neural
Netw 13:
861-870.
McIntosh, A. R.
and F. Gonzalez
Mumford, D. (1991). "On
the computational architecture of the neocortex.
Mumford.D. (1991). "Mathematical Theories of
Shape: Do they model perception?" Geometric Methods
in Computer Vision 1570.
Peck, C. C., J. Kozloski,
et al. (2003). "Simulation Infrastructure for Modeling
Large Scale Neural Systems." Lecture Notes in Computer Science 2660:
1127-1136.
Pica, P., C. Lemer,
et al. (2004).
"Exact and approximate arithmetic in an Amazonian indigene group." Science 306(5695): 499-503.
Posner, M. I. and
S. Dehaene (1994). "Attentional
networks." Trends Neurosci 17(2): 75-9.
Prinzmetal, W. (1981). "Principles
of feature integration in visual perception." Percept Psychophys 30(4):
330-40.
Prinzmetal, W. (1995). "Visual
Feature Integration in a World of Objects." Current Directions
in Psychological Science 4:
90-94.
Pylyshyn, Z. (1999). "Is vision
continuous with cognition? The case for cognitive
impenetrability of visual perception." Behav
Brain Sci 22(3):
341-65; discussion 366-423.
Quillian, M. R. (1967). "Word concepts: a theory and
simulation of some basic semantic capabilities." Behavioral Science
12: 410-430.
Quillian, M. R. (2001). Semantic Memory.
Semantic Information Processing. M. L. Minsky.
Ramachandran, V. S. and S.
Cobb (1995).
"Visual Attention Modulates Metacontrast
Masking." Nature 373:
66-68.
Ratcliff, R., T. Van Zandt, et al.
(1999). "Connectionist and diffusion models of reaction
time." Psychol Rev 106(2): 261-300.
Reinagel, P. and A. M. Zador (1999). "Natural scene
statistics at the centre of gaze." Network 10(4): 341-50.
Roelfsema, P. R., P. S. Khayat,
et al. (2003). "Subtask sequencing in the primary visual
cortex." Proc Natl Acad Sci
U S A 100(9): 5467-72.
Roelfsema, P. R., V. A. Lamme, et
al. (2000).
"The implementation of visual routines." Vision Res 40(10-12):
1385-411.
Roelfsema, P. R., V. A. F. Lamme,
et al. (1998).
"Object-based attention in the primary visual cortex of the macaque
monkey." Nature
395: 376-381.
Rolls, E. T., A. Treves, et al. (1997). "The representational
capacity of the distributed encoding of information provided by populations of
neurons in primate temporal visual cortex." Exp Brain Res 114(1):
149-62.
Ruderman, D. and W. Bialek (1994). "Statistics of natural
images-scaling in the woods." Phys.Rev.Lett.
73(6): 814-817.
Scholl, B. J., Z. W. Pylyshyn, et al. (2001). "What is a visual object? Evidence from target merging in multiple object tracking."
Cognition 80(1-2): 159-77.
Sergent, C.,
Shadlen, M. N. and W. T.
Newsome (1996).
"Motion perception: seeing and deciding." Proc Natl
Acad Sci U S A 93(2):
628-33.
Shulman, G. L., M. Corbetta,
et al. (1997). "Top-down modulation of early sensory
cortex." Cereb Cortex 7(3): 193-206.
Sigman, M. (2004). "Bridging psychology and
mathematics: can the brain understand the brain?" PLoS
Biol 2(9):
E297.
Sigman, M. and G. A. Cecchi (2002). "Global organization of
the Wordnet lexicon." PNAS 99(3): 1742-1747.
Sigman, M., G. A. Cecchi, et al. (2001). "On a common circle: natural scenes and
Gestalt rules." Proc Natl Acad
Sci U S A 98(4): 1935-40.
Sigman, M. and S. Dehaene (2005). "Parsing a Cognitive
Task: A Characterization of the Mind's Bottleneck." PLoS Biol 3(2): e37.
Sigman, M. and S. Dehaene (2006). "Dynamics of the Central Bottleneck:
Dual-Task and Task Uncertainty." PLoS Biol 4(7):
e220.
Sigman, M. and C. D.
Gilbert (2000). "Learning to find a shape." Nature Neuroscience
3(3): 264-269.
Sigman, M., A. Jobert, et al. (2007). "Parsing a sequence of brain activations
at psychological times using fMRI." Neuroimage.
Sporns, O., G. Tononi,
et al. (2000).
"Theoretical neuroanatomy:Relating
anatomical and functional connectivity in graphs and cortical connection
matrices." Cerebral Cortex 10:
127-141.
Srinivasan, R., D. P. Russell, et al. (1999). "Increased synchronization of neuromagnetic
responses during conscious perception." J Neurosci
19(13): 5435-48.
Tononi, G. and G. M.
Edelman (1998). "Consciousness and complexity." Science 282(5395): 1846-51.
Tononi, G., O. Sporns,
et al. (1992). "Reentry and the problem of integrating multiple cortical
areas: simulation of dynamic integration in the visual system." Cereb Cortex 2(4): 310-35.
Usher, M., Y. Bonneh,
et al. (1999). "Mechanisms for spatial integration in visual detection: a
model based on lateral interactions." Spatial Vision 12: 187-209.
Vinje, W. E. and J. L.
Gallant (2000). "Sparse Coding and Decorrelation in
Primary visual cortex during natural vision." Science 287: 1273-1276.
Westheimer, G. and E. J. Ley (1997). "Spatial and temporal integration of signals in foveal line orientation." J.Neurophysiol. 77:
2677-2684.
Wolfe, J. M., Cave.K.R,
et al. (1989).
"Guided Search: An alternative to the feature integration model of visual
search." Jrn.Exp.Psych: Human.Percept.and.Perf. 15: 419-433.
Wong, K. F. and X.
J. Wang (2006). "A recurrent network mechanism of time integration in
perceptual decisions." J Neurosci 26(4):
1314-28.
Wurtz, R. H., M. E. Goldberg, et al. (1982).
"Brain mechanisms of visual attention." Sci
Am 246(6): 124-35.