该学位包括52-54所需的学分:25个神经科学学分,来自各种参与部门的神经科学主题的选修学分6-8个学分,以及21个生物学,化学和心理学共同理由课程的学分。主修神经科学专业的学生通过参加独立学习课程作为其专业选修学分的一部分,参加动手研究。独立研究机会在参加坦普尔大学神经科学计划的各种学院和学校中的130多名神经科学家教师的实验室提供了机会。
3/6R 第 16 章 下运动神经元回路和运动控制 9 3/11T 第 17 章 脑干和脊髓的上运动神经元控制 3/13R 第 18 章 基底神经节对运动的调节 3/13R 第 19 章 小脑对运动的调节 10 3/18T 无课程 – 春假 3/20R 无课程 – 春假 3/20R 无课程 – 春假 11 3/25T 第 21 章 内脏运动系统 3/27R 复习 3/27R 第 22 章 早期大脑发育 12 4/1T 考试 3 4/3R 第 22 章 + 第 23 章 4/3R 第 23 章 神经回路的构建 13 4/8T 第 24 章 发育中大脑中依赖经验的可塑性 4/10R 第 26 章 神经系统的修复和再生4/10R 第 28 章 皮质状态 14 4/15T 第 30 章 记忆 4/17R 第 33 章 思考、计划和决定 4/17R 复习 15 4/22T 考试 4 4/24R 无课程 – 阅读日 4/24R 无课程 – 阅读日
请参阅下面的入门时间表和加入会议的缩放链接。每个会话将持续约1-1.5小时。在同一会话中提供两次的情况下,您可以选择加入最适合您的时间表的计划。您不需要同时参加。所有会话将被记录并上传到我们在线平台的Canvas,并在资源页面上。请使用此时区转换器检查您自己所在地的时间。您会找到“我在参加之前应该做什么?”中提到的所有资源的列表?列以及重要的资源列表中。
摘要 计算智能和人工智能都旨在构建具有智能行为的机器和软件。因此,它们容易发生相互作用,即使后者不一定对理解认知如何从大脑基础中产生感兴趣。在本章中,我们列举、描述和讨论了最重要的交互领域。有些是方法论的,涉及信息表示、处理和学习。在功能层面,重点放在感知、导航、决策和语言等主要认知功能上。在计算神经科学对智能系统发展的重要贡献的显着特征中,其对大脑功能的系统性观点对于建模决策等高度多模态的认知功能特别有价值
成绩 学分 学期 PSYCH 300 (心理学 NS 专题研究方法) 3 PSYCH 302 / NEURO 302 (认知神经科学研究方法) 3 PSYCH 303 (心理学研究方法) 3 PSYCH 331 (心理学体验研究方法) - 按应用;访问 www.myumi.ch/Z6WDG (区分大小写的链接) 原标题为 BCN 中的研究方法 4 PSYCH 341 (认知心理学高级实验室) 3 PSYCH 342 (人类脑电图研究方法) 3 PSYCH 366 (野外生物学和行为方法) 3 PSYCH 422 (教师指导的高级研究) 2 - 4 PSYCH 423 (教师指导的高级研究/高级写作) 2 - 4 PSYCH 451 (青少年心理学高级研究) 3 BIOLOGY 226 (动物生理学实验室) 2 EEB 381 (普通生态学) 5 - 6 EEB 493 (动物行为实验室) 3 MCDB 306 (遗传学入门实验室) 3 MCDB 308 (发育生物学实验室) 3 MCDB 423(细胞和分子神经生物学研究简介)3
HAL 是一个多学科开放存取档案库,用于存放和传播科学研究文献,无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构,也可能来自公共或私人研究中心。
描述:本课程旨在研究心理疾病的生物学基础(在当前版本的美国精神病学协会的诊断和精神障碍的统计手册中表示),从解剖学,神经化学方面以及遗传方面,这些方面表征了中枢神经系统的平衡和不平衡的功能,到特定的神经生物学的平衡功能,到特定的神经生物学概况的普遍性概况。课程的第一部分将回顾中枢神经系统的基础。首先,我们将研究构成神经系统的细胞类型。我们还将看一下神经系统的分裂及其结构。稍后,我们将讨论在某些精神状况的出现中重要的遗传方面。我们还将重点关注心理药理学原理,研究细胞的神经化学交流与心理症状的出现,维持和减少有关。在课程的第二部分中,我们将回顾最常见的心理障碍。通常,我们将描述每个疾病的症状,这些改变背后的大脑结构,其特定的神经化学特征以及与每种心理改变相关的治疗方法。在本课程结束时,预计学生将能够:
CAIRS:用于数字心理健康的因果人工智能推荐系统 Mathew Varidel,博士 a;Victor An a,Ian B. Hickie a,医学博士,Sally Cripps b,c,博士,Roman Marchant b,c,博士,Jan Scott d,博士,Jacob J. Crouse a,博士,Adam Poulsen a,博士,Bridianne O'Dea e,博士,Frank Iorfino a,博士 a 悉尼大学大脑与思维中心,澳大利亚新南威尔士州。 b 悉尼科技大学人类技术研究所,澳大利亚新南威尔士州。 c 悉尼科技大学数学与物理科学学院,澳大利亚新南威尔士州悉尼。 d 纽卡斯尔大学神经科学研究所学术精神病学,英国纽卡斯尔。 e 弗林德斯大学心理健康与福祉研究所,弗林德斯大学,南澳大利亚阿德莱德,澳大利亚。 * 通讯作者:Mathew Varidel,5 楼,1 King Street,Newtown,新南威尔士州 2042,mathew.varidel@sydney.edu.au 摘要 数字心理健康工具有望增强和扩大有需要的人获得医疗服务的机会。一些工具向个人提供干预建议,通常使用简单的静态规则系统(例如,if-else 语句)或结合预测性人工智能。然而,干预建议需要基于对不同干预措施下未来结果的比较来做出决定,这需要考虑因果关系。在这里,我们开发了 CAIRS,这是一个因果人工智能推荐系统,它使用个人的当前表现和领域之间学习到的动态来提供个性化的干预建议,以识别和排名对未来结果影响最大的干预目标。我们的方法应用于从数字心理健康工具收集的两个时间点(从基线开始 1 周 - 6 个月)的多个心理健康和相关领域的纵向数据。在我们的例子中,心理困扰被发现是影响多个领域(例如个人功能、社会联系)的关键影响领域,因此在多个领域不健康的复杂情况下,心理困扰通常是首选目标。我们的方法广泛适用于因果关系很重要的推荐环境,并且该框架可以纳入实时应用程序中以增强数字心理健康工具。关键词:因果关系;人工智能;决策理论;幸福感;心理困扰;功能;睡眠;社会支持