特色课程

本课程通过对大脑从微观到宏观的结构与功能分析和介绍，使学生理解多种大脑神经网络的结构与丰富复杂的功能（如感知觉、运动、语言、情感、学习、记忆、思维与决策等），并进一步深入理解媒体的个性化与智能化的思想理念及其基本的传播原理及技术手段。

本课程的学习有利于对“我是谁？”这个基本问题答案的探索。本课程以学生自己感兴趣的问题/项目作为主要考核指标之一，达到学有所得的目的。

本方向作为多学科交叉学科，培养目标是通过三年的学习与研究时间，使学生深入掌握系统理论和应用方法，在研究项目带动教学研究的思想支持下，使学生具备较强的知识更新能力和创新精神，较熟练掌握一门外语，具有综合运用知识、从事专业研究及相关实践工作的能力，为新一代智能媒体领域提供高素质复合型人才。

本课程通过对大脑从微观到宏观的结构与功能分析和介绍，向学生讲授如何深入理解神经信号的发生、传递与处理的机制，理解生物神经网络与人工神经网络的区别，理解多种大脑神经网络的结构与丰富复杂的功能（如感知觉、运动、语言、情感、学习、记忆、思维与决策等），为传统人工智能技术的改良提供机理帮助，为类脑计算提供生理学基础。

类脑计算是指类似于大脑的计算理论和方法，包括当今流行的深度学习方法和正在发展中的神经计算科学。本课程通过对大脑微观（蛋白质）到宏观（神经解剖）的分析和介绍，进而向学生讲授如何深入理解神经信号的发生、传递与处理的机制；理解多种大脑神经网络的结构与功能，掌握生物神经网络信号的模拟理论与实现方法；在对人工神经网络，特别是深度学习的发展历史的回顾和其基本理论与方法的介绍基础之上，理解生物神经网络与深度学习的区别；学习并掌握最前沿的深度学习方法，探索深度学习和神经计算科学的融合方法。

机器学习是一门研究在非特定编程条件下让计算机采取行动的学科。最近二十年，机器学习为我们带来了自动驾驶汽车、实用的语音识别、高效的网络搜索，让我们对人类基因的解读能力大大提高。当今机器学习技术已经非常普遍，您很可能在毫无察觉情况下每天使用几十次。许多研究者还认为机器学习是人工智能（AI）取得进展的最有效途径。在本课程中，您将学习最高效的机器学习技术，了解如何使用这些技术，并自己动手实践这些技术。更重要的是，您将不仅将学习理论知识，还将学习如何实践，如何快速使用强大的技术来解决新问题。最后，您将了解在硅谷企业如何在机器学习和AI领域进行创新。 本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包括：(i) 监督式学习（参数和非参数算法、支持向量机、核函数和神经网络）。(ii) 无监督学习（集群、降维、推荐系统和深度学习）。(iii) 机器学习实例（偏见/方差理论；机器学习和AI领域的创新）。课程将引用很多案例和应用，您还需要学习如何在不同领域应用学习算法，例如智能机器人（感知和控制）、文本理解（网络搜索和垃圾邮件过滤）、计算机视觉、医学信息学、音频、数据库挖掘等领域。

Neural networks use learning algorithms that are inspired by our understanding of how the brain learns, but they are evaluated by how well they work for practical applications such as speech recognition, object recognition, image retrieval and the ability to recommend products that a user will like. As computers become more powerful, Neural Networks are gradually taking over from simpler Machine Learning methods. They are already at the heart of a new generation of speech recognition devices and they are beginning to outperform earlier systems for recognizing objects in images. The course will explain the new learning procedures that are responsible for these advances, including effective new proceduresr for learning multiple layers of non-linear features, and give you the skills and understanding required to apply these procedures in many other domains.

神经计算科学是脑科学的一个重要分支。神经计算科学的基础是对大脑进行建模，然后采用计算机进行对大脑的模拟。本课程通过了解神经信号的发生、传递与处理的机制、学习离子通道的动力学特性以及突触的可塑性特性，建立神经计算科学中的奠基性HH模型。然后学习对HH模型的模拟方法，并了解各种简化方式。学习使用NEURON软件实现HH模型的精确模拟。学习使用NeuroBuilder和NiMiBrain软件实现HH模型的大规模神经网络的模拟。通过实践，理解并探索脑模拟和深度学习的共性与差异，探究基于脑模拟的新人工智能方法，达到“理解脑、用好脑、模仿脑”的目的。。

新一代人工智能技术（机器学习、深度学习和类脑计算方法）正在快速发展中，并在许多领域获得重大的突破。本课程将在“类脑计算与深度学习”的课程基础上进一步学习并应用相关技术，实现传媒领域中媒体技术的智能化。我们将探讨图像识别（标记识别、数字识别、人脸识别、微表情识别、姿态识别等）、视频识别（肢体动作、手势识别、运动目标的识别与追踪等）和音频识别（语音、音乐识别等）等感知识别技术，利用脑科学与智能媒体研究院的先进硬件设备，采用有关软件进行编程实践。