পরিগণনামূলক স্নায়ুবিজ্ঞান

স্নায়ুবিজ্ঞানের শাখা
(Computational neuroscience থেকে পুনর্নির্দেশিত)

পরিগণনামূলক স্নায়ুবিজ্ঞান (তাত্ত্বিক স্নায়ুবিজ্ঞান বা গাণিতিক স্নায়ুবিজ্ঞান নামেও পরিচিত)  স্নায়ুবিজ্ঞানের  একটি শাখা যা গাণিতিক কাঠামো, তাত্ত্বিক বিশ্লেষণ এবং মস্তিষ্কের কল্পনার সাহায্যে স্নায়ুতন্ত্রের বিকাশ, কাঠামো, স্নায়ুশরীরবিদ্যা এবং সংজ্ঞানাত্মক ক্ষমতাগুলি কীভাবে পরিচালিত হয় তা নিয়ে কাজ করে। [১] [২] [৩] [৪]

পরিগণনামূলক স্নায়ুবিজ্ঞান রূপদানের মাধ্যমে গাণিতিক মডেল বৈধকরণ এবং সমাধানের কাজ করে এবং এ কারণে এই বিষয়টিকে তাত্ত্বিক স্নায়ুবিজ্ঞানের একটি ক্ষেত্র হিসাবে দেখা যেতে পারে; তবে প্রায়শই দুটি ক্ষেত্র সমার্থক অর্থে ব্যবহার করা হয়। [৫] কখনও কখনও এর পরিমাণগত প্রকৃতির উপর জোর দেওয়ার জন্য "গাণিতিক স্নায়ুবিজ্ঞান" নামটিও ব্যবহৃত হয়। [৬]

পরিগণনামূলক স্নায়ুবিজ্ঞান সাধারণত বস্তু হিসেবে প্রমাণিত স্নায়ুকোষ, স্নায়ুতন্ত্র এবং তাদের শারীরবিদ্যা ও সঞ্চারণবিদ্যার ব্যাখ্যার ওপর গুরুত্বারোপ করে এবং তাই এটি বিভিন্ন কাল্পনিক জৈবিক কাঠামো যেমন সংযোগবাদ, নিয়ন্ত্রণ তত্ত্ব, সাইবারনেটিকস, পরিমাণগত মনোবিজ্ঞান, যান্ত্রিক শিখন, কৃত্রিম স্নায়বিক জালিকাব্যবস্থা, কৃত্রিম বুদ্ধিমত্তা এবং পরিগণনামূলক শিখন তত্ত্ব, ইত্যাদি ক্ষেত্রের সাথে সরাসরি সম্পৃক্ত নয়; [৭] [৮] [৯] [১০] তবে ক্ষেত্রগুলোর মধ্যে পারস্পরিক অনুপ্রেরণা উপস্থিত থাকার কারণে কখনও কখনও ক্ষেত্রেগুলোর মধ্যে কোনও কঠোর সীমা নির্ধারণ করা সম্ভব হয় না, [১১] [১২] [১৩] [১৪] যেহেতু কম্পিউটেশনাল নিউরোসায়েন্সে মডেল অ্যাবস্ট্রাকশন গবেষণা ক্ষেত্রের উপর নির্ভর করে এবং জৈবিক সত্তাগুলো খুব ছোট মাপে বিশ্লেষণ করা হয়ে থাকে।

স্নায়ুবিজ্ঞান ও তাত্ত্বিক স্নায়ুবিজ্ঞান এর তালিকাচিত্র

তাত্ত্বিক স্নায়ুবিজ্ঞানের মডেলগুলো মূলত একটি জৈবিক ব্যবস্থার প্রয়োজনীয় বিষয়গুলি একাধিক স্থান-কালের মাপনীতে বিশ্লেষণ করার চেষ্টা করে, যা শুরু হয় ঝিল্লি তড়িৎ এবং রাসায়নিক সংযোজন, নেটওয়ার্ক দোদুল্যমানতা, স্তম্ভাকার ও টপোগ্রাফিক নির্মাণ কৌশল, নিউক্লিয়াস, এবং শেষ পর্যন্ত পৌঁছে যায় স্মৃতি, শিক্ষণ ও আচরণ পর্যায়ে। এই পরিগণনামূলক মডেলগুলি অনুকল্পের প্রমাণের জন্যে বিভিন্ন জৈবিক বা মনস্তাত্ত্বিক পরীক্ষণে সরাসরি ব্যবহার করা সম্ভব।

ইতিহাস সম্পাদনা

পরিগণনামূলক স্নায়ুবিজ্ঞানের ইংরেজি পরিভাষা "কম্পিউটেশনাল নিউরোসায়েন্স" প্রথম ব্যবহার করেন এরিক এল. শোয়ার্জ, যিনি ক্যালিফোর্নিয়ার কার্মেল শহরে ১৯৮৫ সালে সিস্টেম ডেভেলপমেন্ট ফাউন্ডেশনের অনুরোধে একটি সম্মেলন আয়োজন করেন। এ সম্মেলনে একটি বৈজ্ঞানিক ক্ষেত্রের বর্তমান অবস্থা সম্পর্কে আলোচনা করা হয় যা সে সময় পর্যন্ত বিভিন্ন নামে পরিচিত ছিল, যেমন, স্নায়বিক প্রতিমান নির্মাণ (নিউরাল মডেলিং), মস্তিষ্ক তত্ত্ব (ব্রেইন থিওরি), স্নায়বিক জালিকাব্যবস্থা (নিউরাল নেটওয়ার্ক), ইত্যাদি। এই সভার কার্যক্রিয়াটি ১৯৯০ সালে কম্পিউটেশনাল নিউরোসায়েন্স নামক একটি বই হিসাবে প্রকাশিত হয়েছিল। [১৫] জেমস এম. বোভার এবং জন মিলার ক্যালিফোর্নিয়ার সান ফ্রান্সিসকোতে ১৯৮৯ সালে পরিগণনামূলক স্নায়ুবিজ্ঞানের ওপর প্রথম বার্ষিক উন্মুক্ত আন্তর্জাতিক সম্মেলনের আয়োজন করেন। [১৬] পরিগণনামূলক স্নায়ুবিজ্ঞানের ওপর প্রথম স্নাতক শিক্ষা প্রোগ্রামটি চালু করা হয় ১৯৮৫ সালে ক্যালিফোর্নিয়া ইনস্টিটিউট অফ টেকনোলজিতে যা ছিল পরিগণনামূলক এবং স্নায়বিক ব্যবস্থার ওপর একটি ডক্টরেট স্তরের পাঠ্যক্রম।

এ ক্ষেত্রটির প্রাথমিক কাজগুলো পাওয়া যায় লুই ল্যাপিক, হজকিন এবং হাক্সলি, হুবেল এবং উইজেল এবং ডেভিড মার প্রমুখ বিজ্ঞানীদের গবেষণার মধ্যে। ল্যাপিক ১৯০৭ সালে প্রকাশিত একটি সেমিনাল নিবন্ধে নিউরনের ইন্টিগ্রেট ও ফায়ার মডেল [১৭] উপস্থাপন করেন, যা আজ অব্দি কৃত্রিম নিউরাল নেটওয়ার্ক অধ্যয়নে বহুল জনপ্রিয়।(সাম্প্রতিক পর্যালোচনা দেখুন [১৮])।

প্রায় ৪০ বছর পরে, হজকিন এবং হাক্সলে ভোল্টেজ ক্ল্যাম্পটি বিকশিত করে এবং অ্যাকশন সম্ভাবনার প্রথম জৈব-ভৌত মডেল তৈরি করে। হুবেল ও উইজেল আবিষ্কার করেছেন যে রেটিনা থেকে আগত তথ্যগুলি প্রক্রিয়াজাত করার জন্য প্রথম মস্তিষ্কের বহিঃস্তর অঞ্চল প্রাথমিক ভিজ্যুয়াল কর্টেক্সের নিউরনগুলি গ্রহণযোগ্য ক্ষেত্রগুলি রয়েছে এবং কলামগুলিতে সংগঠিত রয়েছে। [১৯] ডেভিড মারের কাজ নিউরনের মধ্যকার মিথস্ক্রিয়াকে কেন্দ্র করে, হিপোক্যাম্পাস এবং নিউওকার্টেক্সের মধ্যে নিউরনের কার্যনির্বাহী গোষ্ঠী কীভাবে ইন্টারঅ্যাক্ট, স্টোর, প্রক্রিয়া এবং তথ্য সঞ্চারিত করে তা নিয়ে গবেষণা করার গণ্য পদ্ধতির পরামর্শ দেয়। বায়োফিজিক্যালি রিয়েলিস্টিক নিউরনস এবং ডেন্ড্রাইটসের গণ্য মডেলিং শুরু হয়েছিল উইলফ্রিড রালের কাজ দিয়ে, প্রথম মাল্টিকম্পোর্টাল মডেল দিয়ে তারের তত্ত্বটি ব্যবহার করে।

সংবেদক প্রক্রিয়াজাতকরণে বর্তমান গবেষণাটি বিভিন্ন উপব্যবস্থাগুলির বায়োফিজিক্যাল মডেলিং এবং উপলব্ধির আরও তাত্ত্বিক মডেলিংয়ের মধ্যে বিভক্ত। বর্তমান উপলব্ধ মডেলগুলি ধারণা দিয়েছে যে মস্তিষ্ক শারীরিক বিশ্বের সম্পর্কে আমাদের উপলব্ধি তৈরি করতে বিভিন্ন সংবেদনশীল তথ্যের সমন্বয় এবং বেইসীয় কিছু রূপ পরিবেশন করে। [২০] [২১]

মস্তিষ্ক নিয়ন্ত্রণ আন্দোলন যেভাবে তৈরি হয়েছে তার অনেকগুলি মডেল। এর মধ্যে মস্তিষ্কে প্রক্রিয়াজাতকরণের মডেলগুলি যেমন ত্রুটি সংশোধনের জন্য সেরিবেলামের ভূমিকা, মোটর কর্টেক্সে দক্ষতা শেখা এবং বেসাল গ্যাংলিয়া, বা ভাস্টিবুলো অকুলার রিফ্লেক্সের নিয়ন্ত্রণ অন্তর্ভুক্ত রয়েছে। এর মধ্যে রয়েছে অনেক আদর্শিক মডেল, যেমন বায়েশিয়ান বা অনুকূল নিয়ন্ত্রণের গন্ধ যা এই ধারণাটি নিয়ে নির্মিত হয় যে মস্তিষ্ক দক্ষতার সাথে তার সমস্যাগুলি সমাধান করে।

স্মৃতি এবং স্নায়ুসন্নিধির রূপপরিবর্তনশীলতা সম্পাদনা

মেমরির পূর্ববর্তী মডেলগুলি মূলত হিব্বীয় শেখার পোস্টুলেটের উপর ভিত্তি করে। জৈবিকভাবে প্রাসঙ্গিক মডেলগুলি যেমন হপফিল্ড নেট জৈবিক সিস্টেমে ঘটে যাওয়া মেমরির স্টাইলের (যা "কন্টেন্ট-অ্যাড্রেসিয়েবল" হিসাবে পরিচিত) এর বৈশিষ্ট্যগুলিকে সম্বোধন করার জন্য তৈরি করা হয়েছে। এই প্রচেষ্টাগুলি হিপ্পোক্যাম্পাসে স্থানীয়করণ, মাঝারি এবং দীর্ঘমেয়াদী মেমরি গঠনে ফোকাস করে। নেটওয়ার্ক দোলনা এবং ধ্রুবক ক্রিয়াকলাপের তত্ত্বের উপর নির্ভরশীল ওয়ার্কিং মেমোরিগুলির মডেলগুলি প্রাসঙ্গিক-সম্পর্কিত মেমরিতে প্রিফ্রন্টাল কর্টেক্সের কয়েকটি বৈশিষ্ট্য ক্যাপচারের জন্য নির্মিত হয়েছে। [২২] অতিরিক্ত মডেলগুলি বেসাল গ্যাংলিয়া এবং প্রিফ্রন্টাল কর্টেক্সের মধ্যে ঘনিষ্ঠ সম্পর্ক এবং কীভাবে এটি কার্যকরী স্মৃতিতে অবদান রাখে look [২৩]

নিউরোফিজিওলজিকাল মেমরির অন্যতম প্রধান সমস্যা হ'ল এটি কীভাবে একাধিক সময়ের স্কেলের মাধ্যমে বজায় রাখা এবং পরিবর্তন করা হয়। অস্থির সিনাপাসগুলি প্রশিক্ষণ দেওয়া সহজ তবে স্টোকাস্টিক ব্যাঘাতের ঝুঁকির মধ্যে রয়েছে। স্থিতিশীল সিনাপাসগুলি সহজেই কম ভুলে যায় তবে একত্রীকরণ করা তাদের পক্ষে আরও শক্ত। সাম্প্রতিক একটি গণনীয় হাইপোথিসিসে প্লাস্টিকের ক্যাসকেড জড়িত যা একাধিক সময়ের স্কেলগুলিতে সিনাপেসগুলি কাজ করতে দেয়। [২৪] মাইক্রোসেকেন্ডগুলির সময় স্কেলে কাজ করে মন্টি কার্লো পদ্ধতির সাথে অ্যাসিটাইলকোলিন রিসেপ্টর- ভিত্তিক সিনপাসের স্টেরিওকেমিকভাবে বিশদ মডেলগুলি তৈরি করা হয়েছে। [২৫] সম্ভবত সম্ভবত গণ্য সরঞ্জামগুলি সিনাপেসগুলি কীভাবে কাজ করে এবং আসন্ন দশকগুলিতে বাহ্যিক উদ্দীপনার সাথে কীভাবে পরিবর্তন ঘটে তা আমাদের বোঝার ক্ষেত্রে ব্যাপক অবদান রাখবে।

নেটওয়ার্কের আচরণ সম্পাদনা

জৈবিক নিউরনগুলি জটিল, পুনরাবৃত্ত ফ্যাশনে একে অপরের সাথে সংযুক্ত থাকে। এই সংযোগগুলি বেশিরভাগ কৃত্রিম নিউরাল নেটওয়ার্কগুলির বিপরীতে, বিরল এবং সাধারণত নির্দিষ্ট। এই জাতীয় সংশ্লেষযুক্ত নেটওয়ার্কগুলির মাধ্যমে কীভাবে তথ্য সংক্রমণ করা হয় তা জানা যায় না, যদিও মস্তিষ্কের নির্দিষ্ট অঞ্চলগুলি যেমন ভিজ্যুয়াল কর্টেক্স কিছুটা বিশদভাবে বোঝা যায়। [২৬] এই নির্দিষ্ট সংযোগের নিদর্শনগুলির গণ্য ফাংশনগুলি যদি কোনও হয় তবে এটিও অজানা।

একটি ছোট নেটওয়ার্কে নিউরনের ইন্টারঅ্যাকশনগুলি প্রায়শই ইসিং মডেলের মতো সাধারণ মডেলগুলিতে হ্রাস করা যায়। এ জাতীয় সহজ সিস্টেমের পরিসংখ্যানিক যান্ত্রিক তাত্ত্বিকভাবে ভাল বৈশিষ্ট্যযুক্ত। কিছু সাম্প্রতিক প্রমাণ রয়েছে যা সুপারিশ করে যে স্বেচ্ছাসেবী নিউরোনাল নেটওয়ার্কগুলির গতিশীলতা যুগলভাবে মিথস্ক্রিয়াতে হ্রাস করা যায়। [২৭] তবে এই জাতীয় বর্ণনামূলক গতিশীলতা কোনও গুরুত্বপূর্ণ গণনীয় কার্য দেয় কিনা তা এখনও জানা যায়নি। দ্বি-ফোটন মাইক্রোস্কোপি এবং ক্যালসিয়াম চিত্রের উত্থানের সাথে সাথে আমাদের কাছে এখন শক্তিশালী পরীক্ষামূলক পদ্ধতি রয়েছে যার সাহায্যে নিউরোনাল নেটওয়ার্কগুলি সম্পর্কিত নতুন তত্ত্বগুলি পরীক্ষা করা যায়।

কিছু ক্ষেত্রে ইনহিবিটরি এবং এক্সাইটেটরি নিউরনের মধ্যকার জটিল মিথস্ক্রিয়াকে গড় ক্ষেত্রের তত্ত্ব ব্যবহার করে সরল করা যায় যা নিউরাল নেটওয়ার্কগুলির জনসংখ্যার মডেলকে জন্ম দেয়। [২৮] যদিও অনেক নিউরোথেরোলজিস্ট হ'ল জটিলতা সহ এই জাতীয় মডেলগুলিকে পছন্দ করেন, অন্যরা যুক্তি দেখান যে স্ট্রাকচারাল-ফাংশনাল সম্পর্কগুলি উদ্ঘাটন যতটা সম্ভব স্নায়বিক এবং নেটওয়ার্ক কাঠামোকে অন্তর্ভুক্ত করার উপর নির্ভর করে। এই ধরনের মডেলগুলি সাধারণত জেনেসিস বা নিউরনের মতো বৃহত ছদ্মায়নের ভিত্তিমঞ্চগুলিতে নির্মিত হয়। একীভূত পদ্ধতি সরবরাহের জন্য কিছু প্রচেষ্টা হয়েছে যা জটিলতার এই স্তরগুলিকে সংহত করে এবং সংহত করে। [২৯]

দৃষ্টীয় মনোযোগ, শনাক্তকরণ এবং শ্রেণীবদ্ধকরণ সম্পাদনা

দৃষ্টীয় মনোযোগ এমন প্রক্রিয়াগুলির সেট হিসাবে বর্ণনা করা যেতে পারে যা কিছু প্রক্রিয়াজাতকরণকে আগত উত্সাহগুলির একটি উপসেটে সীমাবদ্ধ করে। [৩০] মনোযোগী পদ্ধতিগুলি আমরা কী দেখি এবং আমরা কীভাবে কাজ করতে পারি তা রূপ দেয়। এগুলি কিছু (অগ্রাধিকারযোগ্য, প্রাসঙ্গিক) তথ্য এবং অন্যান্য তথ্যের প্রতিরোধের একযোগে নির্বাচন করার অনুমতি দেয়। চাক্ষুষ মনোযোগ এবং বৈশিষ্ট্যগুলি আবদ্ধকরণের অন্তর্নিহিত প্রক্রিয়াটির আরও নিবিড় স্পেসিফিকেশন পাওয়ার জন্য, মনোবিজ্ঞানিক অনুসন্ধানগুলি ব্যাখ্যা করার লক্ষ্যে কয়েকটি পরিগণনা প্রতিমান (মডেল) প্রস্তাব করা হয়েছে। সাধারণভাবে, সমস্ত মডেল রেটিনাল ইনপুটটির সম্ভাব্য আকর্ষণীয় ক্ষেত্রগুলি নিবন্ধকরণের জন্য স্যালিয়েন্স বা অগ্রাধিকারের মানচিত্রের অস্তিত্ব এবং আগত ভিজ্যুয়াল তথ্যের পরিমাণ হ্রাস করার জন্য একটি গেটিং প্রক্রিয়াটি পোস্ট করে, যাতে মস্তিষ্কের সীমিত পরিগণনামূলক সংস্থানগুলি এটি পরিচালনা করতে পারে । [৩১] একটি আদর্শ তত্ত্ব যা আচরণগতভাবে এবং শারীরবৃত্তীয়ভাবে ব্যাপকভাবে পরীক্ষা করা হচ্ছে তা হ'ল প্রাথমিক ভিজ্যুয়াল কর্টেক্সের নীচের অংশের মানচিত্রের অনুমান। [৩২] কম্পিউটেশনাল নিউরোসায়েন্স মস্তিষ্কের ক্রিয়াকলাপের সাথে জড়িত প্রক্রিয়াগুলি অধ্যয়ন করার জন্য একটি গাণিতিক কাঠামো সরবরাহ করে এবং নিউরোপাইকোলজিকাল সিন্ড্রোমগুলির সম্পূর্ণ ছদ্মায়ন এবং ভবিষ্যদ্বাণী করার অনুমতি দেয়।

সংজ্ঞান, বৈষম্য এবং শিখন সম্পাদনা

উচ্চতর সংজ্ঞানাত্মক কার্যগুলির পরিগণনামূলক প্রতিমান নির্মাণের সাম্প্রতিকতম সময় এসেছে  শুরু। পরীক্ষামূলক উপাত্ত প্রাথমিকভাবে প্রাইমেটে একক-ইউনিট রেকর্ডিং থেকে আসে। মস্তিষ্কের সম্মুখস্থ খণ্ডক এবং পার্শ্বীয় খণ্ডক একাধিক সংবেদনশীল রূপগুলি থেকে তথ্যের সংহত হিসাবে কাজ করে। এই ক্ষেত্রগুলিতে জৈবিকভাবে প্রাসঙ্গিক পরিগণনা কতটা সহজ পারস্পরিক ইনহিবিটরি ফাংশনাল সার্কিটগুলি পরিচালনা করতে পারে সে সম্পর্কে কিছু স্থায়ী ধারণা রয়েছে। [৩৩]

মস্তিষ্ক নির্দিষ্ট প্রসঙ্গে বিশেষত ভালভাবে বৈষম্যমূলক এবং মানিয়ে নিতে সক্ষম বলে মনে হচ্ছে। উদাহরণস্বরূপ, মুখগুলি মুখস্থ করতে এবং সনাক্তকরণের জন্য মানুষের মনে হয় বিশাল ক্ষমতা রয়েছে। পরিগণনামূলক স্নায়ুবিজ্ঞানের অন্যতম প্রধান লক্ষ্য হ'ল জৈবিক তন্ত্রগুলি কীভাবে এই জটিল পরিগণনাগুলিকে দক্ষতার সাথে পরিচালনা করে এবং বুদ্ধিমান যন্ত্রগুলি তৈরিতে এই প্রক্রিয়াগুলি প্রতিরূপায়িত করে তা ছড়িয়ে দেওয়া।

মস্তিষ্কের বৃহৎ আকারের সাংগঠনিক নীতিগুলি জীববিজ্ঞান, মনোবিজ্ঞান এবং রোগীভিত্তিক জ্ঞানের শাখাসহ অনেকগুলি ক্ষেত্র দ্বারা আলোকিত হয়। একীভূত বর্ণনামূলক মডেল এবং আচরণগত ব্যবস্থা এবং রেকর্ডিংয়ের ডেটাবেসগুলির মাধ্যমে এই পর্যবেক্ষণগুলিকে একীভূত করার চেষ্টা করে সমন্বয়মূলক স্নায়ুবিজ্ঞান। এগুলি বৃহৎ আকারের মস্তিষ্কের ক্রিয়াকলাপের পরিমাণগত মডেলিংয়ের ভিত্তি। [৩৪]

সিদ্ধান্ত নেওয়ার ক্ষেত্রে অর্জিত নিয়ম-ভিত্তিক ব্যবস্থা এবং সিদ্ধান্ত গ্রহণে দৃশ্যমান উপস্থাপনার হেরফেরের মতো ছদ্মায়িত প্রক্রিয়াগুলির মাধ্যমে মানবীয় জ্ঞানকে মডেলিংয়ের আরেকটি প্রচেষ্টা হ'ল মন (সিআরইউএম) এর গণ্য প্রতিনিধিত্বমূলক বোঝাপড়া attempt

চেতনা সম্পাদনা

মনোবিজ্ঞান/স্নায়ুবিজ্ঞানের চূড়ান্ত লক্ষ্যগুলির মধ্যে একটি হ'ল সচেতন জীবনের দৈনন্দিন অভিজ্ঞতা ব্যাখ্যা করতে সক্ষম হওয়া। ফ্রান্সিস ক্রিক, জিউলিও টোননি এবং ক্রিস্টফ কখ সচেতনতার স্নায়ু সম্পর্কিত (এনসিসি) ভবিষ্যতে কাজের জন্য ধারাবাহিক কাঠামো তৈরির জন্য কিছু চেষ্টা করেছিলেন, যদিও এই ক্ষেত্রে কাজটি বেশিরভাগ ক্ষেত্রেই অনুমানযোগ্য। [৩৫] বিশেষত ক্রিক [৩৬] দর্শনের ও ধর্মের traditionতিহ্যগতভাবে ছেড়ে যাওয়া বিষয়গুলির দিকে না যাওয়ার জন্য স্নায়ুবিজ্ঞানের ক্ষেত্রকে সতর্ক করেছিলেন। [৩৭]

পরিগণনামূলক রোগীভিত্তিক স্নায়ুবিজ্ঞান সম্পাদনা

পরিগণনামূলক রোগীভিত্তিক স্নায়ুবিজ্ঞান এমন একটি ক্ষেত্র যা স্নায়ুবিজ্ঞান, মনোরোগবিজ্ঞান, সিদ্ধান্ত বিজ্ঞান এবং পরিগণনামূলক প্রতিমান নির্মাতা বিশেষজ্ঞদের স্নায়বিক ও মানসিক রোগের পরিমাণগতভাবে সংজ্ঞা দিতে এবং তদন্ত করতে এবং বিজ্ঞানীদের এবং চিকিত্সকদের প্রশিক্ষণ দেওয়ার জন্য যা এই প্রতিমানগুলি রোগ নির্ণয় এবং চিকিত্সার ক্ষেত্রে প্রয়োগ করতে চান তাদের প্রশিক্ষণ দেয়॥ [৩৮] [৩৯]

প্রধান বিষয়সমূহ সম্পাদনা

গণনামূলক নিউরোসায়েন্সে গবেষণা মোটামুটিভাবে বিভিন্ন তদন্তের লাইনে শ্রেণিবদ্ধ করা যেতে পারে। বেশিরভাগ গণনামূলক নিউরোসায়েন্টিস্টরা অভিনব ডেটা বিশ্লেষণ এবং জৈবিক ঘটনার নতুন মডেল সংশ্লেষণে পরীক্ষামূলকদের সাথে ঘনিষ্ঠভাবে সহযোগিতা করেন।

সংবেদক প্রক্রিয়াকরণে বর্তমান গবেষণাটি বিভিন্ন সাবসিস্টেমগুলির বায়োফিজিক্যাল মডেলিং এবং উপলব্ধির আরও তাত্ত্বিক মডেলিংয়ের মধ্যে বিভক্ত। বর্তমান উপলব্ধ মডেলগুলি ধারণা দিয়েছে যে মস্তিষ্ক শারীরিক বিশ্বের সম্পর্কে আমাদের উপলব্ধি তৈরি করতে বিভিন্ন সংবেদনশীল তথ্যের সমন্বয় এবং বায়সিয়ান কিছু রূপ পরিবেশন করে। [৪০] [৪১]

মস্তিষ্ক নিয়ন্ত্রণ আন্দোলন যেভাবে তৈরি হয়েছে তার অনেকগুলি মডেল। এর মধ্যে মস্তিষ্কে প্রসেসিংয়ের মডেলগুলি যেমন ত্রুটি সংশোধনের জন্য সেরিবেলামের ভূমিকা, মোটর কর্টেক্সে দক্ষতা শেখা এবং বেসাল গ্যাংলিয়া, বা ভাস্টিবুলো অকুলার রিফ্লেক্সের নিয়ন্ত্রণ অন্তর্ভুক্ত রয়েছে। এর মধ্যে রয়েছে অনেক আদর্শিক মডেল, যেমন বায়েশিয়ান বা অনুকূল নিয়ন্ত্রণের গন্ধ যা এই ধারণাটি নিয়ে নির্মিত হয় যে মস্তিষ্ক দক্ষতার সাথে তার সমস্যাগুলি সমাধান করে।

স্মৃতি এবং সিনাপটিক প্লাস্টিক্য সম্পাদনা

মেমরির পূর্ববর্তী মডেলগুলি মূলত হিব্বীয় শেখার পোস্টুলেটের উপর ভিত্তি করে। জৈবিকভাবে প্রাসঙ্গিক মডেলগুলি যেমন হপফিল্ড নেট জৈবিক সিস্টেমে ঘটে যাওয়া মেমরির স্টাইলের (যা "কন্টেন্ট-অ্যাড্রেসিয়েবল" হিসাবে পরিচিত) এর বৈশিষ্ট্যগুলিকে সম্বোধন করার জন্য তৈরি করা হয়েছে। এই প্রচেষ্টাগুলি হিপ্পোক্যাম্পাসে স্থানীয়করণ, মাঝারি এবং দীর্ঘমেয়াদী মেমরি গঠনে ফোকাস করে। নেটওয়ার্ক দোলনা এবং ধ্রুবক ক্রিয়াকলাপের তত্ত্বের উপর নির্ভরশীল ওয়ার্কিং মেমোরিগুলির মডেলগুলি প্রাসঙ্গিক-সম্পর্কিত মেমরিতে প্রিফ্রন্টাল কর্টেক্সের কয়েকটি বৈশিষ্ট্য ক্যাপচারের জন্য নির্মিত হয়েছে। [৪২] অতিরিক্ত মডেলগুলি বেসাল গ্যাংলিয়া এবং প্রিফ্রন্টাল কর্টেক্সের মধ্যে ঘনিষ্ঠ সম্পর্ক এবং কীভাবে এটি কার্যকরী স্মৃতিতে অবদান রাখে look [৪৩]

নিউরোফিজিওলজিকাল মেমরির অন্যতম প্রধান সমস্যা হ'ল এটি কীভাবে একাধিক সময়ের স্কেলের মাধ্যমে বজায় রাখা এবং পরিবর্তন করা হয়। অস্থির সিনাপাসগুলি প্রশিক্ষণ দেওয়া সহজ তবে স্টোকাস্টিক ব্যাঘাতের ঝুঁকির মধ্যে রয়েছে। স্থিতিশীল সিনাপাসগুলি সহজেই কম ভুলে যায় তবে একত্রীকরণ করা তাদের পক্ষে আরও শক্ত। সাম্প্রতিক একটি গণনীয় হাইপোথিসিসে প্লাস্টিকের ক্যাসকেড জড়িত যা একাধিক সময়ের স্কেলগুলিতে সিনাপেসগুলি কাজ করতে দেয়। [৪৪] মাইক্রোসেকেন্ডগুলির সময় স্কেলে কাজ করে মন্টি কার্লো পদ্ধতির সাথে অ্যাসিটাইলকোলিন রিসেপ্টর- ভিত্তিক সিনপাসের স্টেরিওকেমিকভাবে বিশদ মডেলগুলি তৈরি করা হয়েছে। [৪৫] সম্ভবত সম্ভবত গণ্য সরঞ্জামগুলি সিনাপেসগুলি কীভাবে কাজ করে এবং আসন্ন দশকগুলিতে বাহ্যিক উদ্দীপনার সাথে কীভাবে পরিবর্তন ঘটে তা আমাদের বোঝার ক্ষেত্রে ব্যাপক অবদান রাখবে।

নেটওয়ার্কের আচরণ সম্পাদনা

জৈবিক নিউরনগুলি জটিল, পুনরাবৃত্ত ফ্যাশনে একে অপরের সাথে সংযুক্ত থাকে। এই সংযোগগুলি বেশিরভাগ কৃত্রিম নিউরাল নেটওয়ার্কগুলির বিপরীতে, বিরল এবং সাধারণত নির্দিষ্ট। এই জাতীয় সংশ্লেষযুক্ত নেটওয়ার্কগুলির মাধ্যমে কীভাবে তথ্য সংক্রমণ করা হয় তা জানা যায় না, যদিও মস্তিষ্কের নির্দিষ্ট অঞ্চলগুলি যেমন ভিজ্যুয়াল কর্টেক্স কিছুটা বিশদভাবে বোঝা যায়। [৪৬] এই নির্দিষ্ট সংযোগের নিদর্শনগুলির গণ্য ফাংশনগুলি যদি কোনও হয় তবে এটিও অজানা।

একটি ছোট নেটওয়ার্কে নিউরনের ইন্টারঅ্যাকশনগুলি প্রায়শই ইসিং মডেলের মতো সাধারণ মডেলগুলিতে হ্রাস করা যায়। এ জাতীয় সহজ সিস্টেমের পরিসংখ্যানিক যান্ত্রিক তাত্ত্বিকভাবে ভাল বৈশিষ্ট্যযুক্ত। কিছু সাম্প্রতিক প্রমাণ রয়েছে যা সুপারিশ করে যে স্বেচ্ছাসেবী নিউরোনাল নেটওয়ার্কগুলির গতিশীলতা যুগলভাবে মিথস্ক্রিয়াতে হ্রাস করা যায়। [৪৭] তবে এই জাতীয় বর্ণনামূলক গতিশীলতা কোনও গুরুত্বপূর্ণ গণনীয় কার্য দেয় কিনা তা এখনও জানা যায়নি। দ্বি-ফোটন মাইক্রোস্কোপি এবং ক্যালসিয়াম চিত্রের উত্থানের সাথে সাথে আমাদের কাছে এখন শক্তিশালী পরীক্ষামূলক পদ্ধতি রয়েছে যার সাহায্যে নিউরোনাল নেটওয়ার্কগুলি সম্পর্কিত নতুন তত্ত্বগুলি পরীক্ষা করা যায়।

কিছু ক্ষেত্রে ইনহিবিটরি এবং এক্সাইটেটরি নিউরনের মধ্যকার জটিল মিথস্ক্রিয়াকে গড় ক্ষেত্রের তত্ত্ব ব্যবহার করে সরল করা যায় যা নিউরাল নেটওয়ার্কগুলির জনসংখ্যার মডেলকে জন্ম দেয়। [৪৮] যদিও অনেক নিউরোথেরোলজিস্ট হ'ল জটিলতা সহ এই জাতীয় মডেলগুলিকে পছন্দ করেন, অন্যরা যুক্তি দেখান যে স্ট্রাকচারাল-ফাংশনাল সম্পর্কগুলি উদ্ঘাটন যতটা সম্ভব স্নায়বিক এবং নেটওয়ার্ক কাঠামোকে অন্তর্ভুক্ত করার উপর নির্ভর করে। এই ধরনের মডেলগুলি সাধারণত জেনেসিস বা নিউরনের মতো বৃহত সিমুলেশন প্ল্যাটফর্মগুলিতে নির্মিত হয়। একীভূত পদ্ধতি সরবরাহের জন্য কিছু প্রচেষ্টা হয়েছে যা জটিলতার এই স্তরগুলিকে সংহত করে এবং সংহত করে। [৪৯]

ভিজ্যুয়াল মনোযোগ, সনাক্তকরণ এবং শ্রেণিবদ্ধকরণ সম্পাদনা

ভিজ্যুয়াল মনোযোগ এমন প্রক্রিয়াগুলির সেট হিসাবে বর্ণনা করা যেতে পারে যা কিছু প্রক্রিয়াজাতকরণকে আগত উত্সাহগুলির একটি উপসেটে সীমাবদ্ধ করে। [৫০] মনোযোগী পদ্ধতিগুলি আমরা কী দেখি এবং আমরা কীভাবে কাজ করতে পারি তা রূপ দেয়। এগুলি কিছু (অগ্রাধিকারযোগ্য, প্রাসঙ্গিক) তথ্য এবং অন্যান্য তথ্যের প্রতিরোধের একযোগে নির্বাচন করার অনুমতি দেয়। চাক্ষুষ মনোযোগ এবং বৈশিষ্ট্যগুলি আবদ্ধকরণের অন্তর্নিহিত প্রক্রিয়াটির আরও নিবিড় স্পেসিফিকেশন পাওয়ার জন্য, মনোবিজ্ঞানিক অনুসন্ধানগুলি ব্যাখ্যা করার লক্ষ্যে কয়েকটি গণনা মডেল প্রস্তাব করা হয়েছে। সাধারণভাবে, সমস্ত মডেল রেটিনাল ইনপুটটির সম্ভাব্য আকর্ষণীয় ক্ষেত্রগুলি নিবন্ধকরণের জন্য স্যালিয়েন্স বা অগ্রাধিকারের মানচিত্রের অস্তিত্ব এবং আগত ভিজ্যুয়াল তথ্যের পরিমাণ হ্রাস করার জন্য একটি গেটিং প্রক্রিয়াটি পোস্ট করে, যাতে মস্তিষ্কের সীমিত গণনামূলক সংস্থানগুলি এটি পরিচালনা করতে পারে । [৫১] একটি আদর্শ তত্ত্ব যা আচরণগতভাবে এবং শারীরবৃত্তীয়ভাবে ব্যাপকভাবে পরীক্ষা করা হচ্ছে তা হ'ল প্রাথমিক ভিজ্যুয়াল কর্টেক্সের নীচের অংশের মানচিত্রের অনুমান। [৩২] কম্পিউটেশনাল নিউরোসায়েন্স মস্তিষ্কের ক্রিয়াকলাপের সাথে জড়িত প্রক্রিয়াগুলি অধ্যয়ন করার জন্য একটি গাণিতিক কাঠামো সরবরাহ করে এবং নিউরোপাইকোলজিকাল সিন্ড্রোমগুলির সম্পূর্ণ সিমুলেশন এবং ভবিষ্যদ্বাণী করার অনুমতি দেয়।

জ্ঞান, বৈষম্য এবং শেখা সম্পাদনা

উচ্চতর জ্ঞানীয় কার্যগুলির গণ্য মডেলিংয়ের সাম্প্রতিকতম সময় এসেছে  শুরু। পরীক্ষামূলক ডেটা প্রাথমিকভাবে প্রাইমেটে একক-ইউনিট রেকর্ডিং থেকে আসে। ফ্রন্টাল লোব এবং প্যারিয়েটাল লোব একাধিক সংবেদনশীল রূপগুলি থেকে তথ্যের সংহত হিসাবে কাজ করে। এই ক্ষেত্রগুলিতে জৈবিকভাবে প্রাসঙ্গিক গণনা কতটা সহজ পারস্পরিক ইনহিবিটরি ফাংশনাল সার্কিটগুলি পরিচালনা করতে পারে সে সম্পর্কে কিছু স্থায়ী ধারণা রয়েছে। [৫২]

মস্তিষ্ক নির্দিষ্ট প্রসঙ্গে বিশেষত ভালভাবে বৈষম্যমূলক এবং মানিয়ে নিতে সক্ষম বলে মনে হচ্ছে। উদাহরণস্বরূপ, মুখগুলি মুখস্থ করতে এবং সনাক্তকরণের জন্য মানুষের মনে হয় বিশাল ক্ষমতা রয়েছে। কম্পিউটেশনাল নিউরোসায়েন্সের অন্যতম প্রধান লক্ষ্য হ'ল জৈবিক সিস্টেমগুলি কীভাবে এই জটিল কম্পিউটেশনকে দক্ষতার সাথে পরিচালনা করে এবং বুদ্ধিমান মেশিনগুলি তৈরিতে এই প্রক্রিয়াগুলি প্রতিরূপায়িত করে তা ছড়িয়ে দেওয়া।

মস্তিষ্কের বৃহত আকারের সাংগঠনিক নীতিগুলি জীববিজ্ঞান, মনোবিজ্ঞান এবং ক্লিনিকাল অনুশীলন সহ অনেকগুলি ক্ষেত্র দ্বারা আলোকিত হয়। একীভূত বর্ণনামূলক মডেল এবং আচরণগত ব্যবস্থা এবং রেকর্ডিংয়ের ডেটাবেসগুলির মাধ্যমে এই পর্যবেক্ষণগুলিকে একীভূত করার চেষ্টা করে ইন্টিগ্রেটিভ নিউরোসায়েন্স। এগুলি বৃহত আকারের মস্তিষ্কের ক্রিয়াকলাপের পরিমাণগত মডেলিংয়ের ভিত্তি। [৫৩]

সিদ্ধান্ত নেওয়ার ক্ষেত্রে অর্জিত নিয়ম-ভিত্তিক ব্যবস্থা এবং সিদ্ধান্ত গ্রহণে ভিজ্যুয়াল উপস্থাপনার হেরফেরের মতো সিমুলেটেড প্রক্রিয়াগুলির মাধ্যমে মানবীয় জ্ঞানকে মডেলিংয়ের আরেকটি প্রচেষ্টা হ'ল মন (সিআরইউএম) এর গণ্য প্রতিনিধিত্বমূলক বোঝাপড়া attempt

চেতনা সম্পাদনা

মনোবিজ্ঞান/স্নায়ুবিজ্ঞানের চূড়ান্ত লক্ষ্যগুলির মধ্যে একটি হ'ল সচেতন জীবনের দৈনন্দিন অভিজ্ঞতা ব্যাখ্যা করতে সক্ষম হওয়া। ভবিষ্যতে নিউরাল কোরিলেইটস অব কনশাসনেস (এনসিসি) নিয়ে কাজ করার জন্যে ফ্রান্সিস ক্রিক, জিউলিও টোননি এবং ক্রিস্টোফ কোচ কিছু স্থিতিশীল কাঠামো তৈরির জন্য চেষ্টা করেছিলেন, যদিও এই ক্ষেত্রে যেকোনো কাজ অধিকাংশ সময়েই অনুমানযোগ্য। [৫৪] বিশেষত ক্রিক [৫৫] এই মর্মে সতর্কতা প্রদান করেন যে, যেসব বিষয় ধর্ম বা দর্শনের মধ্যে পড়ে যায় সেসব বিষয় অগ্রসর না হওয়াই উত্তম। [৫৬]

গণনামূলক ক্লিনিকাল স্নায়ুবিজ্ঞান সম্পাদনা

গণনামূলক ক্লিনিকাল স্নায়ুবিজ্ঞান (কম্পিউটেশনাল ক্লিনিকাল নিউরসায়েন্স) এমন একটি ক্ষেত্র যা স্নায়ুবিজ্ঞান, মনোরোগ বিজ্ঞান, সিদ্ধান্ত বিজ্ঞান এবং গণনামূলক মডেলিংয়ের বিশেষজ্ঞদের স্নায়বিক ও মানসিক রোগের পরিমাণগত সংজ্ঞায়ন ও অনুসন্ধানে সাহায্য করে এবং যেসব বিজ্ঞানী এবং চিকিৎসক এই মডেলগুলো ব্যবহার করতে আগ্রহী তাদের প্রশিক্ষণ গ্রহণের সুযোগ তৈরি করে দেয়। [৫৭] [৫৮]

তথ্যসূত্র সম্পাদনা

  1. Trappenberg, Thomas P. (২০১০)। Fundamentals of Computational Neuroscience। Oxford University Press Inc.। পৃষ্ঠা 2আইএসবিএন 978-0-19-851582-1 
  2. What is computational neuroscience? Patricia S. Churchland, Christof Koch, Terrence J. Sejnowski. in Computational Neuroscience pp.46-55. Edited by Eric L. Schwartz. 1993. MIT Press "Archived copy"। ২০১১-০৬-০৪ তারিখে মূল থেকে আর্কাইভ করা। সংগ্রহের তারিখ ২০০৯-০৬-১১ 
  3. Press, The MIT। "Theoretical Neuroscience"The MIT Press (ইংরেজি ভাষায়)। ২০১৮-০৫-৩১ তারিখে মূল থেকে আর্কাইভ করা। সংগ্রহের তারিখ ২০১৮-০৫-২৪ 
  4. Gerstner, W.; Kistler, W. (২০১৪)। Neuronal Dynamics। Cambridge University Press। আইএসবিএন 9781107447615 
  5. Thomas, Trappenberg (২০১০)। Fundamentals of Computational Neuroscience। OUP Oxford। পৃষ্ঠা 2। আইএসবিএন 978-0199568413। সংগ্রহের তারিখ ১৭ জানুয়ারি ২০১৭ 
  6. Gutkin, Boris; Pinto, David (২০০৩-০৩-০১)। "Mathematical neuroscience: from neurons to circuits to systems"। Neurogeometry and visual perception: 209–219। আইএসএসএন 0928-4257ডিওআই:10.1016/j.jphysparis.2003.09.005পিএমআইডি 14766142 
  7. Kriegeskorte, Nikolaus; Douglas, Pamela K. (সেপ্টেম্বর ২০১৮)। "Cognitive computational neuroscience" (ইংরেজি ভাষায়): 1148–1160। arXiv:1807.11819 আইএসএসএন 1546-1726ডিওআই:10.1038/s41593-018-0210-5পিএমআইডি 30127428পিএমসি 6706072  
  8. "Encephalos Journal"www.encephalos.gr। সংগ্রহের তারিখ ২০১৮-০২-২০ 
  9. "Organismically-inspired robotics: homeostatic adaptation and teleology beyond the closed sensorimotor loop"। 
  10. Brooks, R.; Hassabis, D. (২০১২-০২-২২)। "Turing centenary: Is the brain a good model for machine intelligence?" (ইংরেজি ভাষায়): 462–463। আইএসএসএন 0028-0836ডিওআই:10.1038/482462aপিএমআইডি 22358812 
  11. Browne, A. (১৯৯৭-০১-০১)। Neural Network Perspectives on Cognition and Adaptive Robotics (ইংরেজি ভাষায়)। CRC Press। আইএসবিএন 9780750304559 
  12. "Aditya Gilra: Biologically-plausible learning in neural networks for movement control and cognitive tasks" (ইংরেজি ভাষায়)। সংগ্রহের তারিখ ২০১৯-১২-১১ 
  13. Zorzi, Marco; Testolin, Alberto (২০১৩-০৮-২০)। "Modeling language and cognition with deep unsupervised learning: a tutorial overview": 515। আইএসএসএন 1664-1078ডিওআই:10.3389/fpsyg.2013.00515পিএমআইডি 23970869পিএমসি 3747356  
  14. Shai, Adam; Larkum, Matthew Evan (২০১৭-১২-০৫)। "Branching into brains" (ইংরেজি ভাষায়)। আইএসএসএন 2050-084Xডিওআই:10.7554/eLife.33066পিএমআইডি 29205152পিএমসি 5716658  
  15. Schwartz, Eric (১৯৯০)। Computational neuroscience। MIT Press। আইএসবিএন 978-0-262-19291-0 
  16. Bower, James M. (২০১৩)। 20 years of Computational neuroscience। Springer। আইএসবিএন 978-1461414230 
  17. Lapicque L (১৯০৭)। "Recherches quantitatives sur l'excitation électrique des nerfs traitée comme une polarisation": 620–635। 
  18. Brunel N, Van Rossum MC (২০০৭)। "Lapicque's 1907 paper: from frogs to integrate-and-fire": 337–339। ডিওআই:10.1007/s00422-007-0190-0পিএমআইডি 17968583 
  19. Hubel DH, Wiesel TN (১৯৬২)। "Receptive fields, binocular interaction and functional architecture in the cat's visual cortex": 106–54। ডিওআই:10.1113/jphysiol.1962.sp006837পিএমআইডি 14449617পিএমসি 1359523  
  20. Weiss, Yair; Simoncelli, Eero P. (২০ মে ২০০২)। "Motion illusions as optimal percepts": 598–604। ডিওআই:10.1038/nn0602-858পিএমআইডি 12021763 
  21. Ernst, Marc O.; Bülthoff, Heinrich H. (এপ্রিল ২০০৪)। "Merging the senses into a robust percept": 162–169। ডিওআই:10.1016/j.tics.2004.02.002পিএমআইডি 15050512সাইট সিয়ারX 10.1.1.299.4638  
  22. Durstewitz D, Seamans JK, Sejnowski TJ (২০০০)। "Neurocomputational models of working memory": 1184–91। ডিওআই:10.1038/81460পিএমআইডি 11127836 
  23. Frank, M. J.; Loughry, B. (২০০১)। "Interactions between frontal cortex and basal ganglia in working memory: A computational model" (পিডিএফ): 137–160। ডিওআই:10.3758/cabn.1.2.137পিএমআইডি 12467110। সংগ্রহের তারিখ ২০১৮-১২-০৬ 
  24. Fusi S, Drew PJ, Abbott LF (২০০৫)। "Cascade models of synaptically stored memories": 599–611। ডিওআই:10.1016/j.neuron.2005.02.001পিএমআইডি 15721245 
  25. Coggan JS, Bartol TM, Esquenazi E (২০০৫)। "Evidence for ectopic neurotransmission at a neuronal synapse": 446–51। ডিওআই:10.1126/science.1108239পিএমআইডি 16020730পিএমসি 2915764  
  26. Olshausen, Bruno A.; Field, David J. (১৯৯৭-১২-০১)। "Sparse coding with an overcomplete basis set: A strategy employed by V1?": 3311–3325। ডিওআই:10.1016/S0042-6989(97)00169-7পিএমআইডি 9425546 
  27. Schneidman E, Berry MJ, Segev R, Bialek W (২০০৬)। "Weak pairwise correlations imply strongly correlated network states in a neural population": 1007–12। arXiv:q-bio/0512013 ডিওআই:10.1038/nature04701পিএমআইডি 16625187পিএমসি 1785327  
  28. Wilson, H. R.; Cowan, J.D. (১৯৭৩)। "A mathematical theory of the functional dynamics of cortical and thalamic nervous tissue": 55–80। ডিওআই:10.1007/BF00288786পিএমআইডি 4767470 
  29. Anderson, Charles H.; Eliasmith, Chris (২০০৪)। Neural Engineering: Computation, Representation, and Dynamics in Neurobiological Systems (Computational Neuroscience)। The MIT Press। আইএসবিএন 978-0-262-55060-4 
  30. Marvin M. Chun; Jeremy M. Wolfe (২০০১)। Blackwell Handbook of Sensation and Perception। Blackwell Publishing Ltd। পৃষ্ঠা 272–310। আইএসবিএন 978-0-631-20684-2 
  31. Edmund Rolls; Gustavo Deco (২০১২)। Computational Neuroscience of Vision। Oxford Scholarship Online। আইএসবিএন 978-0-198-52488-5 
  32. Li. Z. 2002 A saliency map in primary visual cortex Trends in Cognitive Sciences vol. 6, Pages 9-16, and Zhaoping, L. 2014, The V1 hypothesis—creating a bottom-up saliency map for preattentive selection and segmentation in the book Understanding Vision: Theory, Models, and Data
  33. Machens CK, Romo R, Brody CD (২০০৫)। "Flexible control of mutual inhibition: a neural model of two-interval discrimination": 1121–4। ডিওআই:10.1126/science.1104171পিএমআইডি 15718474সাইট সিয়ারX 10.1.1.523.4396  
  34. Robinson PA, Rennie CJ, Rowe DL, O'Connor SC, Gordon E (২০০৫)। "Multiscale brain modelling": 1043–1050। ডিওআই:10.1098/rstb.2005.1638পিএমআইডি 16087447পিএমসি 1854922  
  35. Crick F, Koch C (২০০৩)। "A framework for consciousness": 119–26। ডিওআই:10.1038/nn0203-119পিএমআইডি 12555104 
  36. Crick, Francis (১৯৯৪)। The Astonishing Hypothesis: The Scientific Search for the Soul। Scribner। 
  37. Crick, Francis; Koch, Christopher (১৯৯৮)। Consciousness and neuroscienceCerebral Cortex (New York, N.Y. : 1991)। Essential Sources In The Scientific Study of Consciousness. Roscience। পৃষ্ঠা 97–107। ডিওআই:10.1093/cercor/8.2.97পিএমআইডি 9542889 
  38. Adaszewski S1, Dukart J, Kherif F, Frackowiak R, Draganski B; Alzheimer's Disease Neuroimaging Initiative (২০১৩)। "How early can we predict Alzheimer's disease using computational anatomy?": 2815–26। ডিওআই:10.1016/j.neurobiolaging.2013.06.015পিএমআইডি 23890839 
  39. Friston KJ, Stephan KE, Montague R, Dolan RJ (২০১৪)। "Computational psychiatry: the brain as a phantastic organ": 148–58। ডিওআই:10.1016/S2215-0366(14)70275-5পিএমআইডি 26360579 
  40. Weiss, Yair; Simoncelli, Eero P. (২০ মে ২০০২)। "Motion illusions as optimal percepts": 598–604। ডিওআই:10.1038/nn0602-858পিএমআইডি 12021763 
  41. Ernst, Marc O.; Bülthoff, Heinrich H. (এপ্রিল ২০০৪)। "Merging the senses into a robust percept": 162–169। ডিওআই:10.1016/j.tics.2004.02.002পিএমআইডি 15050512সাইট সিয়ারX 10.1.1.299.4638  
  42. Durstewitz D, Seamans JK, Sejnowski TJ (২০০০)। "Neurocomputational models of working memory": 1184–91। ডিওআই:10.1038/81460পিএমআইডি 11127836 
  43. Frank, M. J.; Loughry, B. (২০০১)। "Interactions between frontal cortex and basal ganglia in working memory: A computational model" (পিডিএফ): 137–160। ডিওআই:10.3758/cabn.1.2.137পিএমআইডি 12467110। সংগ্রহের তারিখ ২০১৮-১২-০৬ 
  44. Fusi S, Drew PJ, Abbott LF (২০০৫)। "Cascade models of synaptically stored memories": 599–611। ডিওআই:10.1016/j.neuron.2005.02.001পিএমআইডি 15721245 
  45. Coggan JS, Bartol TM, Esquenazi E (২০০৫)। "Evidence for ectopic neurotransmission at a neuronal synapse": 446–51। ডিওআই:10.1126/science.1108239পিএমআইডি 16020730পিএমসি 2915764  
  46. Olshausen, Bruno A.; Field, David J. (১৯৯৭-১২-০১)। "Sparse coding with an overcomplete basis set: A strategy employed by V1?": 3311–3325। ডিওআই:10.1016/S0042-6989(97)00169-7পিএমআইডি 9425546 
  47. Schneidman E, Berry MJ, Segev R, Bialek W (২০০৬)। "Weak pairwise correlations imply strongly correlated network states in a neural population": 1007–12। arXiv:q-bio/0512013 ডিওআই:10.1038/nature04701পিএমআইডি 16625187পিএমসি 1785327  
  48. Wilson, H. R.; Cowan, J.D. (১৯৭৩)। "A mathematical theory of the functional dynamics of cortical and thalamic nervous tissue": 55–80। ডিওআই:10.1007/BF00288786পিএমআইডি 4767470 
  49. Anderson, Charles H.; Eliasmith, Chris (২০০৪)। Neural Engineering: Computation, Representation, and Dynamics in Neurobiological Systems (Computational Neuroscience)। The MIT Press। আইএসবিএন 978-0-262-55060-4 
  50. Marvin M. Chun; Jeremy M. Wolfe (২০০১)। Blackwell Handbook of Sensation and Perception। Blackwell Publishing Ltd। পৃষ্ঠা 272–310। আইএসবিএন 978-0-631-20684-2 
  51. Edmund Rolls; Gustavo Deco (২০১২)। Computational Neuroscience of Vision। Oxford Scholarship Online। আইএসবিএন 978-0-198-52488-5 
  52. Machens CK, Romo R, Brody CD (২০০৫)। "Flexible control of mutual inhibition: a neural model of two-interval discrimination": 1121–4। ডিওআই:10.1126/science.1104171পিএমআইডি 15718474সাইট সিয়ারX 10.1.1.523.4396  
  53. Robinson PA, Rennie CJ, Rowe DL, O'Connor SC, Gordon E (২০০৫)। "Multiscale brain modelling": 1043–1050। ডিওআই:10.1098/rstb.2005.1638পিএমআইডি 16087447পিএমসি 1854922  
  54. Crick F, Koch C (২০০৩)। "A framework for consciousness": 119–26। ডিওআই:10.1038/nn0203-119পিএমআইডি 12555104 
  55. Crick, Francis (১৯৯৪)। The Astonishing Hypothesis: The Scientific Search for the Soul। Scribner। 
  56. Crick, Francis; Koch, Christopher (১৯৯৮)। Consciousness and neuroscienceCerebral Cortex (New York, N.Y. : 1991)। Essential Sources In The Scientific Study of Consciousness. Roscience। পৃষ্ঠা 97–107। ডিওআই:10.1093/cercor/8.2.97পিএমআইডি 9542889 
  57. Adaszewski S1, Dukart J, Kherif F, Frackowiak R, Draganski B; Alzheimer's Disease Neuroimaging Initiative (২০১৩)। "How early can we predict Alzheimer's disease using computational anatomy?": 2815–26। ডিওআই:10.1016/j.neurobiolaging.2013.06.015পিএমআইডি 23890839 
  58. Friston KJ, Stephan KE, Montague R, Dolan RJ (২০১৪)। "Computational psychiatry: the brain as a phantastic organ": 148–58। ডিওআই:10.1016/S2215-0366(14)70275-5পিএমআইডি 26360579