シラバス参照

授業情報／Course information

科目名／Course: 脳の情報処理（R７以前入学生用）／Brain Information Processing
科目一覧へ戻る 2026/03/23 現在

授業基本情報
科目名（和文）
／Course		 脳の情報処理（R７以前入学生用）
科目名（英文）
／Course		 Brain Information Processing
時間割コード
／Registration Code		 66003902
学部（研究科）
／Faculty		 情報系工学研究科 博士前期課程
学科（専攻）
／Department		 システム工学専攻
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○閔　庚甫
オフィスアワー
／Office Hour		 閔　庚甫(木曜日4限目)
開講年度
／Year of the Course		 2026年度
開講期間
／Term		 後期
対象学生
／Eligible Students		 1年,2年
単位数
／Credits		 2
授業概要情報
更新日
／Date of renewal		 2026/03/02
科目ナンバリング
／Course Numbering		 履修案内を参照
使用言語
／Language of Instruction		 日本語
オムニバス
／Omnibus		 該当なし
授業概略と目的
／Cource Description and Objectives		 1000億個といわれる神経細胞間のネットワークによって働く脳の情報処理の仕組みは、現在の測定技術では、その全貌を把握することは困難である。そのため、測定可能な生体信号や解明済みの脳神経系の仕組みをモデルとして再現し、測定が困難な情報処理プロセスをシミュレーションすることによって、その運営仕組みと機能を解釈する計算論は、脳を理解する上で、大変有効な方法論である。本講義では、運動制御に関わる脳の情報処理をこの計算論を中心に、解析と解釈する方法について学ぶ。
履修に必要な知識・能力・キーワード
／Prerequisites and Keywords		 「キーワード」脳神経科学、計算論的神経科学、運動制御
履修上の注意
／Notes		 特になし
教科書
／Textbook(s)		 特になし
参考文献等
／References		 次の参考文献は、本学付属図書館に書籍が所蔵されています。

・Kandel et al.,，Principles of Neural Science, 6th ed.（カンデル神経科学第２版）
・Dayan et al.， Theoretical neuroscience:Computational and mathematical modeling of neural system
・川人光男，脳の計算理論
・銅谷賢治[ほか]編，脳の計算機構 : ボトムアップ・トップダウンのダイナミクス
・伊藤宏司，身体運動の制御と適応
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework		 ここに示した参考書のほかに、図書館には脳科学や脳神経生理学，計算論的な神経科学に関連する多くの専門書籍がある。また、インターネットにおいても数々な有効な情報が載っている。これらの知識情報も有効に活用して下さい。
資格等に関する事項
／Attention Relating to Professional License
アクティブラーニングに関する事項
／Attention Relating to Active Learning		 課題提出と発表によるアクティブラーニングを採用している。
実務経験に関する事項
／Attention Relating to Operational Experiences		 該当しない
授業改善アンケートへのレスポンス
（2025年度以前は「備考」）
／Response to Course Evaluations
授業計画詳細情報
No. 単元（授業回数）
／Unit (Lesson Number)		 単元タイトルと概要
／Unit Title and Unit Description		 時間外学習
／Preparation and Review		 配付資料
／Handouts
1 1 [概論]
脳と生体運動系の解析における計算論的なアプローチを理解する。 		参考書やネット情報等を活用し、授業の内容についての理解を深める。 必要に応じて配布する。
2 2-7 [脳の運動制御の仕組み]
・神経系細胞の生理学的な仕組みとその計算モデルを理解する。　　　　
・感覚認知と随意運動制御の仕組みを理解する。
・筋骨格系の制御仕組みとその計算モデルを学ぶ。		 参考書やネット情報等を活用し、授業の内容についての理解を深める。 必要に応じて配布する。
3 8-11 [脳の運動学習と内部モデルの形成]
大脳基底核や小脳等における運動学習と制御プロセスを理解し、その計算モデリングについて学び、内部モデルとしての機能を理解する。		 参考書やネット情報等を活用し、授業の内容についての理解を深める。 必要に応じて配布する。
4 12 [応用]
深層学習（AI）、ディジタルツイン等への応用例を学ぶ。		 参考書やネット情報等を活用し、授業の内容についての理解を深める。 必要に応じて配布する。
5 13～15 [関連論文の発表]
講義内容に関連する研究論文をプレゼンテーションすることにより、当分野への理解を深める。		 参考書やネット情報等を活用し、授業の内容についての理解を深める。 必要に応じて配布する。
成績評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
No. 到達目標
／Learning Goal		 知識・理解
／Knowledge & Undestanding		 技能・表現
／Skills & Expressions		 思考・判断
／Thoughts & Decisions		 伝達・コミュニケーション
／Communication		 協働
／Cooperative Attitude
1 脳の情報処理の仕組みについて説明できる。(A-1) ○ ○ ○ ○ ○
2 脳の運動学習と運動制御の仕組みについて説明できる。 (A-1) ○ ○ ○ ○ ○
3 当研究分野に関連する研究論文を理解し、議論できる。(A-1) ○ ○ ○ ○ ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 課題・レポート プレゼンテーション
1 脳の情報処理の仕組みについて説明できる。(A-1) ○ ○
2 脳の運動学習と運動制御の仕組みについて説明できる。 (A-1) ○ ○
3 当研究分野に関連する研究論文を理解し、議論できる。(A-1) ○ ○
評価割合（％）
／Allocation of Marks		 70 30

科目一覧へ戻る