邮件群： https://groups.google.com/g/ccn_association_23

从事认知科学、心理学、计算建模、神经网络、神经科学或脑科学的科研人员或业界人员发布就业/招聘/会议/讲座和求助等信息

暑期读认知科学经典

推荐文章在这里 https://pcl.sitehost.iu.edu/rgoldsto/cogsci/classics.html

也可以参见这个列表 https://cseweb.ucsd.edu/~gary/CogSciLiterature.html

对动态系列感兴趣的有这个列表 https://compass.onlinelibrary.wiley.com/doi/full/10.1111/phc3.12697

日期	报告人	文章名字或报告信息
6月6号	滕相斌	Feldman, J. A., & Ballard, D. H. (1982). Connectionist models and their properties. Cognitive Science, 6, 205-254.

未来日程安排 (讨论会从9月再开始)

日期	报告人	文章名字或报告信息
9月5号

讨论会主题

认知科学 + 计算科学 + 神经科学 = Cognive science + Computation + Neuroscience = CCN

讲座加讨论会形式，需要大家积极参与，目的是学到东西。

1. 每周请一位认知计算神经业内人士报告其相关工作，或者
2. 带着大家读一篇脑科学领域内深度学习和模型相关的文章
3. 每次讨论会一个半小时

来报告的朋友不一定要报告最新的文献，可以读读经典文献； 不一定是研究，也可以是综述和观点类的文章； 也可以讲讲自己的工作；或者介绍一个Tutorial； 或者自己要做一个正式报告（比如组会上或会议上），可以先来这里练个手。

讨论会风格

1. 需要大家积极参与提问和讨论
2. 不是讲座，不必客气，有问题就问
3. 保证有MIC可以讲话，可能的话尽量开摄像头
4. 学术面前人人平等，不要在乎长幼尊卑
5. 保证交流是和讨论会学术相关
6. 注意不要表达鄙视性观点，比如关于性别、种族、年龄、地域、学校、学位和国籍等

讨论会相关信息

主持人：张洳源、滕相斌

发起成员： 宗雷、洳源、海洋、张磊、相斌。

微信群： 认知计算神经联盟 (群人满了)

腾讯会议号：每周日在群内公布

时间： 每周周一,北京时间晚上8点开始,晚上9点半结束

有兴趣的朋友，请联系 xiangbin.in.china@outlook.com 并附上微信号和个人姓名及工作单位，我会把常用会议号发给您

往期报告 （2022年）

日期	报告人	文章名字或报告信息
5月30号	马飞龙	The Individualized Neural Tuning Model: Precise and generalizable cartography of functional architecture in individual brains
5月9号	徐云龙	Unsupervised deep learning identifies semantic disentanglement in single inferotemporal face patch neurons
5月2号	方泽鸣	Mastering the game of Go with deep neural networks and tree search
4月25号	邵宇秀	Relating local connectivity to global dynamics through low-rank structure
4月18号	滕相斌	A vector reward prediction error model explains dopaminergic heterogeneity
4月4号	李远宁	Dissecting neural computations of the human auditory pathway using deep neural networks for speech
3月28号	刘江豪	Pay attention and be aware: neural interactions between attentional enhancement, reorienting and conscious perception
3月21号	李吉星	Predicting speech from a cortical hierarchy of event-based time scales
3月14号	张萌森	闭路脑刺激控制大脑和症状动态
3月7号	王少楠	Brains and algorithms partially converge in natural language processing
2月28号	毕则栋	Evolutionary learning in the brain by heterosynaptic plasticity
2月21号	王超名	BrainPy: A New Generation Framework for Brain Dynamics Programming
2月14号	张博	Origin of hexagonal metric of grid cells in navigating spaces
1月24号	郭佳卉	Not so fast: Limited validity of deep convolutional neural networks as in silico models for human naturalistic face processing
1月17号	江胜佩	Brain States and Transitions: Insights from Computational Neuroscience
1月10号	方泽鸣	Reward is Enough

往期报告 （2021年)

日期	报告人	文章名字或报告信息	资源
12月20号	刘泉影	A data-driven framework for mapping domains of human neurobiology	https://www.nature.com/articles/s41593-021-00948-9?utm_source=neuro_etoc&utm_medium=email&utm_campaign=toc_41593_24_12&utm_content=20211201&sap-outbound-id=5C008C750FAA165DE2ACFED9B063896274ED0C69
12月13号	刘滔	Neural tuning and representational geometry	https://www.nature.com/articles/s41583-021-00502-3
12月6号	徐睿	The cortical connectome of primate lateral prefrontal cortex	https://www.sciencedirect.com/science/article/pii/S0896627321007868
11月29号	徐深	Neural knowledge assembly in humans and deep networks	https://www.biorxiv.org/content/10.1101/2021.10.21.465374v1.full.pdf
11月22号	齐光耀	Neural implementation of causal inference during multisensory procesing in the macaque brain	个人研究
11月15号	李吉星	Visual and linguistic semantic representations are aligned at the border of human visual cortex	https://www.nature.com/articles/s41593-021-00921-6
11月1号	胡啸	A Bayesian Inference Model of Metamemory	https://psycnet.apa.org/fulltext/2021-50203-001.html
10月25号	张艺源	Principles governing the topological organization of object selectivities in ventral temporal cortex	https://www.biorxiv.org/content/10.1101/2021.09.15.460220v1
10月18号	黄泰诚	Real-world size of objects serves as an axis of object space	https://www.biorxiv.org/content/10.1101/2021.09.28.462153v1
10月11号	方宇星	Computational models of category-selective brain regions enable high-throughput tests of selectivity	https://www.nature.com/articles/s41467-021-25409-6
9月27号	伍海燕，刘泉影	我们学习认知建模和翻译书籍的经历
9月13号	耿海洋,李吉星	如何使用神经网络研究认知	http://www.chinaxiv.org/abs/202108.00117
9月6号	杜凯	Retina gap junctions defend against adversarial attack in DNNs	个人研究
8月30号	齐光耀	High-performance brain-to-text communication via handwriting	https://www.nature.com/articles/s41586-021-03506-2
8月23号	方宇星	From sound to meaning in human speech interpretation: revealing the content of information flow over milliseconds	个人研究
8月16号	张洳源	A diverse range of factors affect the nature of neural representations underlying short-term memory	https://www.nature.com/articles/s41593-018-0314-y
8月2号	滕相斌	A back-propagation programmed network that simulates response properties of a subset of posterior parietal neurons	https://www.nature.com/articles/331679a0
7月26号	庄童贺	Brain-like functional specialization emerges spontaneously in deep neural networks	https://www.biorxiv.org/content/10.1101/2021.07.05.451192v1
7月19号	耿海洋	Explanatory models in neuroscience: Part 2	Part1: http://arxiv.org/abs/2104.01490 Part2: http://arxiv.org/abs/2104.01489
7月12号	刘玲	Two views on the cognitive brain	https://www.nature.com/articles/s41583-021-00448-6
7月5号	滕相斌	Segmenting and Predicting Musical Phrase Structure Exploits Neural Gain Modulation and Phase Precession	个人研究
6月28号	蔡瑛	Error-correcting dynamics in visual working memory	https://www.nature.com/articles/s41467-019-11298-3
6月21号	张洳源	Neural state space alignment for magnitude generalization in humans and recurrent networks	https://www.sciencedirect.com/science/article/abs/pii/S0896627321000787
6月14号	耿海洋	Explanatory models in neuroscience: Part 1	P1: http://arxiv.org/abs/2104.01490 P2: http://arxiv.org/abs/2104.01489
6月7号	滕相斌	Complexities in Simple Tone Detection: Temporal States and Belief Updating Captured by Hierarchical Modulations of Alpha-Beta Power and RNN	个人研究报告
5月24号	李吉星	Neuro-computational models of language processing: The case of reference and coreference	Practice talk for Leipzig language series https://www.cbs.mpg.de/leipzig-lectures-on-language
5月17号	刘泉影	Data-driven control of complex networks	https://www.nature.com/articles/s41467-021-21554-0
4月26号	陈韦薇	A unified theory for the computational and mechanistic origins of grid cells	https://www.biorxiv.org/content/10.1101/2020.12.29.424583v1
3月29号	博克	Emotion schemas are embedded in the human visual system	https://advances.sciencemag.org/content/5/7/eaaw4358
3月15号	吴国伟	Using deep reinforcement learning to reveal how the brain encodes abstract state-space representations in high-dimensional environments
3月8号	李文亮	Models that learn how humans learn: The case of decision-making and its disorders
2月8号	耿海洋	The Tolman-Eichenbaum Machine: Unifying Space and Relational Memory through Generalization in the Hippocampal Formation
2月1号	李吉星	Reverse-engineering the cortical architecture for controlled semantic cognition
1月25号	王少楠	Understanding the role of individual units in a deep neural network
1月11号	胡传鹏	Likelihood Approximation Networks (LANs) for Fast Inference of Simulation Models in Cognitive Neuroscience

往期报告 （2020年）

日期	报告人	文章名字或报告信息	资源
12月21号	滕相斌	Thinking ahead: prediction in context as a keystone of language in humans and machines
12月14号	张洳源	Incorporating intrinsic suppression in deep neural networks captures dynamics of adaptation in neurophysiology and perception
12月7号	鲍平磊	Unsupervised changes in core object recognition behavior are predicted by neural plasticity in inferior temporal cortex
11月30号	耿海洋	Brain-inspired replay for continual learning with artificial neural networks
11月16号	周正隆	Humans can decipher adversarial images
11月2号	刘玲	Fast Recurrent Processing via Ventrolateral Prefrontal Cortex Is Needed by the Primate Ventral Stream for Robust Core Visual Object Recognition
10月26号	龚政鑫	Deep learning models reveal internal structure and diverse computations in the retina under natural scenes
10月12号	张洳源	Predicting eye movement patterns from fMRI responses to natural scenes
9月1号	吕其鸿	Learning to use episodic memory for event prediction
8月25号	张磊	Fast reinforcement learning with generalized policy updates	Paper ， PPT
7月28号	相斌	A Task-Optimized Neural Network Replicates Human Auditory Behavior, Predicts Brain Responses, and Reveals a Cortical Processing Hierarchy	Paper , PPT