イントロ ​

概要 ​

NMAの最初の2日間は、モデリングのプロセスとモデルについての内容です。NMAの残りの期間でさまざまな種類のモデリングツールに入る前に、これらのメタモデリングの側面について学ぶことが重要です。したがって、本日はモデルの多様性と、異なるモデルが私たちにどのようなことをもたらすかについて学びます。一般的に、実験データからさまざまな種類の情報を抽出するための異なる解析ツールについては、誰もが直感を持っています。質問に応じて異なる解析方法を選択します。ただし、モデルについてはこれがあまり評価されていません。しかし、それは同じです。異なる種類の質問に答えるためには、異なる種類のモデルを構築したいのです。すべては目標に依存します。したがって、本日は、DayanとAbbott（2001）によって分類される3種類のモデルを検討します：whatモデル、howモデル、そしてwhyモデル。

各チュートリアルでは、同じデータを記述するためにこれらのモデルの1つを導入します：ニューロンのアクションポテンシャル間の時間間隔、またはインタースパイクインターバル（ISI）です。チュートリアル1では、ISI分布の形状を最もよく表す関数（指数分布）を調べます。このようなwhatモデルは、ISI分布を簡潔に記述でき、例えばデータセット、タスク条件、脳の領域などにわたるISIの特性を定量化するのに役立ちます。チュートリアル2では、観測されたISI分布を生成する可能性のあるメカニズムについて問いたします。このようなhowモデルは、系が観測された振る舞いを生成する特定の方法を提案します。ここでは、興奮と抑制のバランスが指数分布のISIを生成していることがわかります。最後に、私たちはニューロンが情報をコードする最適な方法がなぜ指数分布であるのかについて問います。whyモデルは現象の基本原理について尋ねるのです。

一般的に研究を行う際、まず記述的な（what）モデルから始めます。モデルの適合、一般化線形モデル、次元削減、ディープラーニングの日にその例を見ることができます。次に、しばしばメカニズムについて問い、howモデルを構築して観測されたメカニズムの仮説を生成またはテストします。これについては、線形システム、生物学的ニューロンモデル、ダイナミックネットワーク、意思決定の日に例があります。最終的に、通常は現象が最初に存在する理由に興味があります。whyモデルの例は、ベイズ、最適制御、強化学習の日にあります。whyモデルを達成するのは、しばしば最も困難ですが、whatモデルは通常最も簡単です。しかし、より重要なことは、これらが異なる質問に答え、異なる見解を提供し、異なる有用性を持っているということです。私自身のモデリングの選択は、毎日自分が答えたい質問、その質問に答えるための目標、評価したい仮説によって決まります。モデルの多様性は、すべてのモデルが問題の異なる側面に対応し（今日の3つのチュートリアルのように）、それゆえに知識を追求する上で相補的です。本日の教材を通じて、NMAで学ぶモデリングツールの可能性と制約をより深く理解できることを願っています。

前提知識 ​

本日のコンテンツとチュートリアルでは、導関数（W0D4 T1）、数値積分（オイラー法）（W0D4 T3）、確率分布（W0D5 T1）を使用します。また、ニューロンの基本的な知識（Neuro Video Series Intro）も使用します。必要に応じて、これらの事前学習資料を再確認してください。

フィードバックガジェットのインストールとインポート ​

ビデオ ​

ビデオは以下のリンクからご覧いただけます：https://youtube.com/watch?v=W5o_HTsef0I

スライド ​

スライドは以下からダウンロードできます： https://osf.io/download/rbx2a/

TODO: ここにスライドを挿入する。