BYR Achieve · 镜像论坛

北京师范大学认知神经科学与学习国家重点实验室刘嘉教授研究组今年拟招2名从事计算认知神经科学研究的硕士研究生。希望拟报考学生对计算认知神经科学，拥有浓厚兴趣，具备良好的数理基础，有乐观向上的性格，踏实肯干的作风。期望学生来自数学，物理，或自动化，信息科学等领域，推免生和考研生不限。若外地学生来京面试，我们可负责来回路费和住宿费用。通过和非心理学专业的学生接触，我们发现大家对认知神经科学都还不是很了解，尤其对数学模型，物理模型，信息科学技术如何在认知神经科学中发挥作用，比较困惑，也对自己的背景是否适合认知神经科学比较有疑问。为此，结合我们的研究，我们整理了一些有关计算认知神经科学的材料，如果你们感兴趣可以向我索要，这对你们确定自己是否对这个领域感兴趣会有帮助。也希望大家能把消息转给那些感兴趣的同学，多谢。联系人：甄宗雷，zhenzonglei@gmail.com --------------------------------------------详细信息------------------------------------------- 指导老师：刘嘉，男，教授，博士生导师，研究方向为客体识别的神经机制。刘嘉教授1995年毕业于北京大学，获心理学学位，无线电系电子学与信息系统辅修学位；2002年获麻省理工学院(MIT)脑与认知科学系(Department of Brain & Cognitive Sciences) 认知神经科学哲学博士学位，指导教师为 Nancy Kanwisher 教授（美国科学院院士）；2002-2003年在麻省理工学院脑与认知科学系做博士后；2003-2004年任中科院研究生院、生物物理所认知科学重点实验室副教授；2004起，任中科院研究生院、生物物理所认知科学重点实验室教授；2005—至今，任北京师范大学认知神经科学与学习国家重点实验室特聘教授，副主任，985首席专家。2004-2007年主持国家自然科学基金委杰出青年科学基金项目“认知心理学”。2004-2007年主持中国科院百人计划项目“认知心理学”。现为Cognitive Neuroscience Society, Vision Science Society, Society for Neuroscience学会成员，Nature Neuroscience, Neuron, Journal of Cognitive Neuroscience, Human Brain Mapping, NeuroImage, European Journal of Neuroscience, 等杂志评审。甄宗雷，男，2001年毕业于天津大学获机械电子工程本科学位，2007年毕业于中国科学院自动化研究所获计算机应用博士学位，2007年进入北京师范大学认知神经科学与学习重点实验室工作，现为硕士生导师，研究方向为计算认知神经科学，尤其是视觉的神经计算机制。为刘嘉教授研究组成员，一起进行相关研究，并共同指导学生。研究内容：视觉是人类最重要的感知能力。人类的视觉系统是十分复杂的，包含着不同的模块(视觉脑区)，这些模块间又高度相互连接，形成了一个层次化、并行化的网络。因为模块间的高度连接，以及大脑功能的模块化组织，视觉系统的研究对理解其它脑功能系统也会有非常重要的帮助。我们主要以形状知觉(form perception)的神经计算机制作为切入点来对视觉系统进行研究，具体研究内容主要包括客体识别(object recognition)和场景知觉(scene perception)等。研究目的是从计算的层次建立定量模型精确预测大脑在特定视觉刺激下是如何工作的，进而理解人类视觉系统的结构和功能。大脑活动的预测模型不仅是计算神经科学的黄金标准(gold standard)，而且对神经科学、医学的进步也是非常关键的。研究方法：在研究中，我们会综合使用四类不同的方法：使用视觉心理物理法(psychophysics)来检验特定的计算假设和探索感兴趣的行为现象；使用脑成像技术(fMRI)和电生理技术(EEG、MEG、neural recording)来进行神经科学实验，以研究相关计算机制是如何在人类大脑皮层中组织的；同时会在研究中，大量使用统计分析技术(statistical analysis technique)和理论计算模型(theoretical modeling)。统计分析技术作为研究工具和一种交流发现的媒介在我们的研究中具有核心的地位。来自经典统计学、贝叶斯统计学、机器学习及自动控制等领域的现代统计工具被用于拟合视觉刺激引起脑活动的定量计算模型。得到的统计模型描述了视觉系统的基本单位(神经元(neuron)、体素(voxel)、视觉区(visual area))是如何编码外部刺激信息的。统计显著性和对脑活动的预测能力将被用来验证这些模型的正确性和可靠性。理论模型是在已有实验基础上，基于一定的假设，建立的用以刻画大脑的工作机制计算模型。在我们的研究中，理论模型会为我们提供一个理论框架来解释数据，同时通过对比模型仿真结果和实验数据，可以帮助我们更好的设计未来的实验。研究意义：对脑活动具有精确预测能力的计算编码模型具有十分重要的应用价值。首先，它为那些试图恢复视觉功能的研究提供了坚实的理论基础，毕竟只有在理解一个系统是如何工作的，才有可能修补它。其次，这些模型提供了一个新的工具用于神经病学评价和诊断。第三，这些模型可以逆过来用于解码大脑活动，直接对思维进行解读，用于建立脑机接口(brain-machine interfaces)和神经假肢(neural prosthetics)。和计算模型、神经实验这些基础研究对应，我们也希望在不远的将来，能把这些基础研究成果应用到工程中，比如机器视觉，图像处理，机器人研究中。我们的哲学是，真正有用的计算模型应该不仅能经得起实验环境下的行为和神经实验数据检验，同时也应该对真实世界中的应用有所帮助。比如，客体识别计算模型应该可以帮助我们进行自动目标检测，自动驾驶，和机器人的自动导航。

北师大视知觉神经计算方向研究生招生