▪️The Oxford Handbook of Cultural Neuroscience

• Editors: Joan Y. Chiao, Shu-Chen Li, Rebecca Seligman, Robert Turner
• Publisher: Oxford University Press (2016)
• Pages: 393

NLLibrary
Neurolancer

معرفی مقالاتCultural Neuroscience

بخش اول: موضوعات مفهومی و روش‌شناختی در عصب‌پژوهی فرهنگی
1. Locating Culture in the Brain and in the World: From Social Categories to the Ecology of Mind
• نویسندگان: Rebecca Seligman, Suparna Choudhury, Laurence J. Kirmayer

1. Cultural Neuroscience and Neurophilosophy: Does the Neural Code Allow for the Brain’s Enculturation?
   • نویسنده: George Northoff

2. Sensory Enculturation and Neuroanthropology: The Case of Human Echolocation
   • نویسنده: Greg Downey

3. Health, Development, and the Culture-Ready Brain
   • نویسنده: Charles Whitehead

4. Culture as a Response to Uncertainty: Foundations of Computational Cultural Neuroscience
   • نویسندگان: George I. Christopoulos, Philippe N. Tobler

بخش دوم: عصب‌پژوهی فرهنگی هیجانات

1. Cultural Values Modulate Emotional Processing in Human Amygdala
   • نویسندگان: Tetsuya Iidaka, Tokiko Harada

2. Genes, Brain, and Culture Through a 5-HTT Lens
   • نویسنده: Michio Nomura

3. Embodied Brains, Social Minds: Toward a Cultural Neuroscience of Social Emotion
   • نویسنده: Mary Helen Immordino-Yang

4. Cultural Neuroscience in South Africa: Promises and Pitfalls
   • نویسندگان: Dan J. Stein, Joan Y. Chiao, Jack van Honk

بخش سوم: عصب‌پژوهی فرهنگی شناخت

1. Cross-Cultural Differences in Memory
   • نویسندگان: Angela Gutchess, Sarah Huff

2. When Culture Informs Neuroscience: Considerations for Community-Based Neurogenetics Research and Clinical Care in a First Nation Community With Early Onset Familial Alzheimer Disease
   • نویسندگان: Shaun Stevenson et al.

12.Quantifying Culture: The Cultural Distance Hypothesis of Melodic Expectancy
• نویسندگان: Steven M. Demorest, Steven J. Morrison

بخش چهارم: عصب‌پژوهی فرهنگی شناخت اجتماعی

13.Cultural Neuroscience Studies of the Self-Reflection
• نویسندگان: Shihui Han, Yina Ma

14.Identifying a Cultural Resource: Neural Mechanisms Underlying Familial Influence on Adolescent Risk Taking
• نویسندگان: Eva H. Telzer, Andrew J. Fuligni, Adriana Galván

15.Cultural Differences in Emotional Expressions and Body Language
• نویسندگان: Beatrice de Gelder, Elisabeth Huis in ‘t Veld

بخش پنجم: عصب‌پژوهی فرهنگی فرآیندهای بین‌گروهی

16.How Next-Generation Neuroscience Technologies Can Facilitate Comparison Across Cultural Contexts and Species: Implications for Global Health
• نویسندگان: Lasana T. Harris et al.

1. The Cultural Neuroscience of Intergroup Bias
   • نویسندگان: Bobby K. Cheon, Ying-yi Hong

18.Cultural Neuroscience of Pain and Empathy
• نویسندگان: Joan Y. Chiao, Vani A. Mathur

بخش ششم: فرهنگ و ژنتیک

19.The Gene–Culture Interaction Framework and Implications for Health
• نویسندگان: Joni Y. Sasaki et al.

20.Epigenetics and Social Behavior
• نویسندگان: Jessica J. Connelly, James P. Morris

21.The Encultured Genome: Molecular Evidence for Recent Divergent Evolution in Human Neurotransmitter Genes
• نویسندگان: Chuansheng Chen et al.

بخش هفتم: پیوند نابرابری‌های سلامت جمعیتی و عصب‌پژوهی فرهنگی

22.The Role of Culture in Population Mental Health: Prevalence of Mental Disorders Among Asian and Asian American Populations
• نویسندگان: Lawrence H. Yang, Jessica M. Benson

23.Culture, Genes, and Socioemotional Neurodevelopment: Searching for Clues to Common Mental Disorders
• نویسنده: Joanna Maselko

هنگامی که هاپفیلد مقاله خود را در مورد حافظه تداعی منتشر کرد، جفری هینتون در دانشگاه کارنگی ملون در پیتسبورگ، ایالات متحده آمریکا مشغول به کار بود.

او پیش از این روانشناسی تجربی و هوش مصنوعی را در انگلستان و اسکاتلند مطالعه کرده بود و تعجب می‌کرد که آیا ماشین‌ها می‌توانند به روشی مشابه انسان‌ها الگوها را پردازش کنند، دسته‌های خود را برای مرتب‌سازی و تفسیر اطلاعات بیابند. همراه با همکار خود، ترنس سجناوسکی، هینتون از شبکه هاپفیلد شروع کرد و آن را برای ساخت چیزی جدید، با استفاده از ایده‌های فیزیک آماری، گسترش داد.

فیزیک آماری سیستم‌هایی را که از بسیاری عناصر مشابه تشکیل شده‌اند، مانند مولکول‌ها در یک گاز، توصیف می‌کند.

ردیابی تمام مولکول‌های جداگانه در گاز دشوار یا غیرممکن است، اما می‌توان آن‌ها را به صورت جمعی در نظر گرفت تا خواص کلی گاز مانند فشار یا دما را تعیین کرد. روش‌های بالقوه زیادی برای پخش شدن مولکول‌های گاز در حجم آن با سرعت‌های فردی و همچنان منجر شدن به خواص جمعی یکسان وجود دارد.

حالت‌هایی که اجزای فردی می‌توانند به طور مشترک در آن وجود داشته باشند، می‌توانند با استفاده از فیزیک آماری تحلیل شوند و احتمال وقوع آن‌ها محاسبه شود.

برخی از حالت‌ها از سایرین محتمل‌تر هستند؛ این به مقدار انرژی موجود بستگی دارد، که در یک معادله توسط فیزیکدان قرن نوزدهم، لودویگ بولتزمن، توصیف شده است. شبکه هینتون از آن معادله استفاده کرد و این روش در سال 1985 با نام چشمگیر ماشین بولتزمن منتشر شد.

تشخیص نمونه‌های جدید از همان نوع
ماشین بولتزمن معمولاً با دو نوع مختلف گره استفاده می‌شود.

اطلاعات به یک گروه تغذیه می‌شود که گره‌های قابل مشاهده نامیده می‌شوند. گره‌های دیگر یک لایه پنهان را تشکیل می‌دهند.

مقادیر و اتصالات گره‌های پنهان نیز به انرژی کل شبکه کمک می‌کنند.
ماشین با اعمال یک قانون برای به‌روزرسانی مقادیر گره‌ها یکی یکی اجرا می‌شود.

در نهایت ماشین وارد حالتی خواهد شد که الگوی گره‌ها می‌تواند تغییر کند، اما خواص کلی شبکه یکسان باقی می‌ماند. هر الگوی ممکن سپس یک احتمال خاص خواهد داشت که توسط انرژی شبکه مطابق با معادله بولتزمن تعیین می‌شود.
هنگامی که ماشین متوقف می‌شود، یک الگوی جدید ایجاد کرده است که ماشین بولتزمن را به یک نمونه اولیه از یک مدل مولد تبدیل می‌کند.

با آموزش های آینده نورولنسر همراه باشید:

• کاربردهای عملی ماشین بولتزمن در زمینه‌های مختلف

• مقایسه ماشین بولتزمن با دیگر مدل‌های مولد

• چالش‌ها و محدودیت‌های ماشین بولتزمن

notesheet for neurolancers

Neurolancer

?فهرستی از بهترین، جذاب ترین و معتبر ترین کانال و گروه های علمی در تلگرام!!
از دستش ندید✔️

https://t.me/addlist/0XAktUnoCPs2NmY0