2019布里斯托研讨会：心理物理与神经科学模型入门教程

心理物理学是一门研究心理过程和物理刺激之间关系的科学领域，它是心理学和物理学的交叉学科。心理物理学的研究方法包括对感知现象进行量化的测量，并试图找出感觉强度和物理刺激强度之间的数学关系。神经科学是研究神经系统结构和功能的科学领域，它涉及从分子水平到行为水平的多个层面。这两个领域经常利用数学模型和计算机模拟来理解复杂的生物系统和心理现象。 在心理物理学和神经科学的研究中，模型拟合是一项关键的技术。模型拟合是指使用数学或统计模型来描述实验数据的过程，目的是为了识别最能代表数据的参数和关系。在心理物理学实验中，这可能涉及到确定被试的阈限，即感知刺激所需的最小强度；在神经科学研究中，模型拟合可能用于描述神经元响应与刺激之间的关系。 本次“workshop-bristol-2019”研讨会聚焦于心理物理学和神经科学中的建模和模型拟合入门，主要面向想要学习如何使用计算方法研究心理物理和神经科学问题的学者、研究人员以及学生。研讨会可能会涵盖以下几个方面的知识点： 1. 建模基础知识：介绍心理物理学和神经科学研究中常用的基础模型，包括线性模型、非线性模型、逻辑斯蒂模型等，以及这些模型在实验数据拟合中的应用。 2. 参数估计和统计验证：讲解如何估计模型参数，包括最大似然估计、最小二乘法等，并介绍如何通过统计方法如假设检验、置信区间等对模型的拟合度进行验证。 3. MATLAB编程：由于MATLAB是一个常用于科学计算的编程语言和环境，研讨会将可能包括MATLAB的基础知识讲解，例如矩阵操作、函数编程、数据可视化等，并结合心理物理学和神经科学的案例进行实际操作。 4. 高级模型拟合技术：对于复杂的数据集和模型，可能需要更高级的拟合技术，如贝叶斯推断、蒙特卡洛模拟、遗传算法等，研讨会将介绍这些技术的基本原理和在建模中的应用。 5. 模型验证与选择：在拥有多组可能的模型时，如何通过交叉验证、AIC（赤池信息量准则）、BIC（贝叶斯信息量准则）等方法来选择最佳模型。 6. 实际案例分析：通过具体的心理物理学实验数据和神经科学数据，参与者将学习如何应用所学知识进行模型拟合，解决实际问题，并对结果进行解释。 7. 交互式学习和讨论：研讨会可能会包含小组讨论和互动环节，让参与者就实际问题进行讨论，从而加深理解，并学习如何解决实际中的建模挑战。 通过这样的研讨会，参与者可以提升自己在心理物理学和神经科学中的建模和模型拟合能力，为后续的研究工作打下坚实的计算基础。这些技能不仅有助于理解复杂的生物系统和心理过程，也是现代科学研究中不可或缺的一部分。