最近要在集智俱乐部组织一次脑与deep learning的读书会活动。

http://www.douban.com/event/19029525/

简介
Deep learning是一类基于多层神经网络的非常有前景的机器学习算法。最早提出的多层结构神经网络的灵感源泉之一就是神经生理学家Hubel & Wiesel上世纪60年代基于实验发现提出的视觉系统信息处理的层次模型。遗憾的是，当前主流机器学习研究者对生物脑工作机理的认识似乎仍然停留在上世纪60年代。在神经科学和机器学习都取得长足进展的今天，二者的结合一定会碰撞出新的火花。本次读书会结合神经生理学和计算神经科学的最新进展，探索脑是怎样deep learning的。以高级哺乳动物的视觉通路为主线，沿着V1->V2->V4->IT/MT->海马的层次结构，看每一层都学到了什么，以及相关的计算模型，探讨不同层间的差异和共性。并和一些机器学习里的deep learning算法和系统作为对照。

本次读书会以研读并讨论神经生物学、计算神经科学和机器学习领域的经典文献为主，希望参与者：
1）对探索脑的工作机理感兴趣
1）乐于承担主讲，能比较轻松的阅读专业英文文献并抓住核心给大家讲解清楚。
2）本读书主要是探索生物脑学习和机器学习背后的共性和普适原理，而非deep learning算法的科普讲座。所以，欢迎如下背景的童鞋加入：生物学、神经科学、物理学、计算机、机器学习，尤其欢迎各种交叉学科。

大纲
Overview: deep architecture in brain and machine（1次）
Early visual system (retinal ganglion cell, LGN, V1), canonical cortical circuits（1.5次）
Learning features(selectivity) & sparse coding, cortical maps（0.5次）
Learning transformations(invariance)（1次）
V2（1次）
V4, shape perception（1次）
IT, object & face recognition（1次）
海马体，记忆，睡眠（1次）
视觉系统的发育和进化，低等动物的视觉（1次）
脑波、Neuronal oscillation and synchrony（1次）