2014年12月6日,星期六年

在加洛德(Gallaudet)的职位:教育神经科学


工作概述
令人兴奋的 interdisciplinary 教育博士学位 Neuroscience (PEN) 程序 在 Gallaudet University (Washington, D.C.) is seeking applicants 与an expertise in 认知神经科学-教育 助理或副教授级别的神经科学,历时两(2)次 职位将于2015年秋季开始。

位置1: Candidates 与a vibrant 认知性 Neuroscience-教育神经科学(特别是神经影像学)研究 program, 与a strong focus on children, 以及谁通过以下一项或多项提高对学习的神经基础的理解: 以下科学领域(包含在 教育神经科学),将被认真考虑:语言/双语, 阅读/读写能力,数学/计算能力,科学/更高认知度或社会/情感 learning.

位置2: Candidates 与a vibrant 认知性 Neuroscience-教育神经科学(特别是神经影像学)研究 program, 在成人和/或儿童中, 在以下一个或多个领域中,将被认真考虑:人类 运动 感知和产生,人类的大脑 多感官整合的机制 运动 和视觉,镜像神经元,人类的界面 运动 感知/世代和技术(头像,机器人技术, 运动捕捉),大脑’迅速变化的翻译 运动 和视觉信息成 有意义的动作,例如脸部感知,语言感知和 生成(签名或口语),生物动作或阅读。

加洛代特’s 教育神经科学(PEN)博士学位 program (2013年秋季发布)开创了新型认知神经科学和 教育神经科学,尤其涉及儿童的学习方式。的 成功的候选人将被安置在教育神经科学博士学位 program 和 will enjoy an affiliation 与one of PEN’s five affiliated 根据候选人的部门’的学术研究和专业知识(例如心理学, 语言学,听力语言科学,口译或教育)。 新的教职员工将拥有充满活力的合作机会 与来自家庭PEN计划,五个附属部门, 大华盛顿特区地区的大学联盟,重要的是, 可通过国家科学获得广泛的学者网络 Foundation’s 学习科学中心 在加洛德大学, 视觉语言 和视觉学习,VL2和VL2’的三个资源研究中心,特别是 神经影像脑与语言实验室(BL2)。  作为加洛多的核心使命’s NSF 学习科学中心, VL2, the PEN 程序 is thus linked 与an active 领先的世界学者网络 认知神经科学,神经影像学,语言和 双语,阅读和读写能力以及听力方面的更高认知 儿童和年轻的聋人视觉学习者,以及美国手语。

加洛代特’s PEN 博士课程 也是 以实现卓越的教学目标为动力 provide its students 与the most cutting-edge 知识,健康,生动的批判性分析和讨论,强烈 导师制,以及丰富多样的职业道路。

资格
位置1& 2: 候选人必须展示(i)巨大的创新潜力, 奖学金,并致力于卓越的研究和教学。 Additionally, 考生 必须具有(ii)认知博士学位或教育博士学位 神经科学或教育 神经科学; (iii)强 认知神经科学基础研究训练的证据 特定的神经影像专业知识(例如fMRI,EEG,fNIRS,MEG); (iv) 链接(或可能链接)认知的创新研究计划 Neuroscience research outcomes 与learning 和 education 在 children; (v) 有希望的出版记录和教学经验;和(vi)p美国手语熟练程度和知识 聋人文化,或对掌握美国手语的明显承诺 Language.

职位1职责: 成功的候选人将保持高效 认知神经科学领域的研究计划(包括组合神经成像) 和行为实验),从事教学,研究生 指导和学术传播活动,导致出版物 和联邦外部赠款资金。 新的 教职还提供令人兴奋的领导力提升机会 in 加洛代特’通过建立和获得教育神经科学计划的博士学位 sustaining of partnerships 与other universities 和 related student 指导,并鼓励伟大的创新和创造力,以建立多元化的, 有意义且有原则的双向合作伙伴关系,涉及科学和社会。

职位2的职责: 成功的候选人将保持高调 认知神经科学领域的研究计划(包括 神经影像和行为实验),在 教学,研究生导师制和学术传播活动 导致出版物和联邦外部赠款资金。 新的 教师的职位也给人以振奋 leadership enhancing opportunities 在加洛德’s 教育博士学位 通过合作建立和维持神经科学计划 Gallaudet’s PEN-VL2运动灯 Laboratory.

加洛德大学是一所双语大学,为聋哑学生提供服务 以及听来自不同背景的学生 培养一支反映其学生群体多样性的员工队伍。加洛代特 is an equal 就业 机会/平权雇主 并积极鼓励聋人,传统上听障人士 underrepresented groups, people 与disabilities, women, 和 veterans to apply for open positions.

赔偿金
助理教授;职位等待最终批准。薪水 commensurate 与experience 和 qualifications.

应用信息
立即审查申请。
Send a curriculum vitae, 代表ative publications, 和 a detailed 求职信,包括以下五(5)点中的每一项:(i) 您在以下方面的学术训练和活动质量的证明: 认知神经科学(清晰识别您的神经影像 专业知识),(ii)研究计划,(iii)您针对新兴事物的独特方法 教育神经科学领域,(iv)教学经验和教学 philosophy, 和 (v)您在认知神经科学方面的专长如何 告知幼儿学习,或者您将来打算如何做。 下 另请提交三封推荐信;所有信件 应发送至:  
教育神经科学计划检索委员会博士 (位置1)
注意:教务长Carol Erting
加洛德大学
内华达州佛罗里达大道800号
华盛顿特区20002-3695

将开始审查已完成的申请 January 5, 2014 并继续到该职位被填补为止; employment to 从2015年秋季学期开始。

可以向教务长Erting([email protected])提出具体问题。 或致Laura-Ann Petitto教授(劳拉·安·佩蒂托([email protected]), 教育神经科学指导委员会主席。

2014年12月1日,星期一年

另类工作...纽约大学不寻常的博士后机会

神经美学脑成像的博士后职位

认知神经科学博士后两年的职位,研究人类对绘画,诗歌和音乐的反应的神经基础。博士后研究员将与纽约大学的教授(Denis Pelli,David Poeppel,Gabrielle Starr和Edward Vessel)一起工作,他们具有美学,fMRI,MEG,EEG和心理物理学方面的专业知识,以及一个国际研究团队,可以设计并进行以下实验:纽约大学全球高级研究学院的一部分。心理学,神经科学中心和脑成像中心的绝佳研究环境全部集中在一栋大楼中,该大楼还设有专门用于研究的3-T MRI和MEG中心。

成功的候选人将对美学感兴趣并具有强大的定量技能(包括MATLAB),并具有设计和分析fMRI实验以及可能的EEG或MEG的经验。薪酬将遵循NIH的标准。考生应具有博士学位任命时在手。

对此职位感兴趣的候选人应将其cc的简历,联系信息,研究兴趣声明以及带有cc的三个加布里埃尔·斯塔尔([email protected])参考文献的名称发送给Denis Pelli([email protected])。 edu)和Ed Vessel([email protected])。申请将被审查,直到填补职位。


2014年11月12日,星期三年

Computation 在 the neuron level -- 哪里 noncomputational embodied theories need to start

似乎一些具体化的理论家认为不需要计算,甚至不需要信息处理。 与其说说如何 耳间时差(ITD) 信息可用于计算空间位置,一些具体化的理论家想说的是,给定物理信号通过身体确定的通道时,空间位置是“直接感知”的。 人们认为,大脑不会给任务带来什么好处,因为物理信号不会被转换而是直接在神经系统中注册。

这些理论家花了很多时间谈论身体-运动毕竟被称为“体现”-但很少有时间谈论神经元水平的变化。 我说,关于身体的作用,要注意一点:首先,如果没有两只耳朵和一只头之间的ITD,您就无法获得ITD。 但是我也要说,现在是体现理论家应该研究这些物理信号“注册”的下一步:单个神经元的功能。 (实际上,这是第二步,第一步是换能器器官,例如耳蜗和感光细胞)。 物理信号必须通过神经元传递,而神经元在输入和输出之间表现出复杂的关系。 甚至有人甚至说神经元是 转变 信号,即 计算。这是一个引言,可以让您了解单个神经元级别的情况:
神经元在突触处获取输入信号,并提供尖峰作为输出序列。完全表征神经元是识别神经元输入和神经元响应产生的尖峰序列之间的映射。在没有任何简化假设的情况下,这需要对 每个可能输入的系统。通常,这些输入是来自其他神经元的尖峰。每个神经元通常具有N〜10 ^ 3阶的突触前连接。如果系统以1毫秒的分辨率运行并且相关输入的时间窗口为40毫秒,那么我们可以认为单个神经元的输入由〜4 x 10 ^ 4位字描述—每个突触前细胞在每个1毫秒间隔中是否存在尖峰—然后将其映射为1(尖峰)或0(无尖峰)。更现实的是,如果平均尖峰速率为〜10s ^ -1,则输入单词的压缩倍数为10。 Aguera y Arcas等。神经计算15,1715–1749 (2003)
如果您想让神经科学家和老式的认知科学家(GOFCS)认真对待您,请针对您感兴趣的任何过程建立一些“具体化”的模型,让我们看看无需转换信息(从而转变为GOFCS)就可以走多远。 。 就目前而言,我们还没有看到如果没有信息处理就无法跨越甚至单个神经元,从而使您的基本要求变得空洞。 

2014年11月7日,星期五年

体现的机器人-Wilson&Golonka 2013上的第二篇文章

W强调了一些很酷的东西&G包括无需进行编程即可收拾整齐的机器人,仅靠重力来行走(下坡)的机器人(仅因为其身体设计正确)和板球机器人(其结构可自动找到最佳配合)声音定位系统。前面我们已经讨论了声音的本地化,因此让我们关注其他两个示例。

机器人在没有意图或不知道的情况下进行整理。

Robots 与two sensors situated 在 45 degree angles on the robot's "head"


一个简单的程序来避免传感器检测到障碍物,它会在整整一整间随机分布的立方体成整齐的房间后整理:


W&G由此得出结论,

重要的是,那么,机器人实际上并不是 tidying –他们只是在努力避免障碍及其错误, 在特定的扩展,具体化的上下文中,会导致某些稳定的结果,看起来很整洁 
这里的要点是,机器人没有对他们整理过的知识或什至没有进行整理或表达的愿望。 复杂的“认知”行为可以从“一条规则,“远离已发现的 障碍'”引用W&G.  

这很酷。 但是它既不排除将计算/信息处理作为心理功能的基础,也没有告诉我们人类如何以及为什么进行整理。 关于我的第一点,请注意,即使机器人中没有专门用于整理的程序,但仍有一个程序-W&G称其为“规则”,认为该规则在具体营地中被禁止使用-控制机器人的行为。 当然,计算与整理无关。 但这与检测障碍物并使用该信息产生运动计划的变化有关,这本身就是机器人程序员解决的计算问题。 W&G指向整齐的行为,但完全忽略了机器人的感觉运动行为。 以此类推,假设我提出了以下论点。人类可以使铅笔芯上的点变钝。我开发了一个用铅笔写字的机器人。我没有在机器人中编写任何有关铅笔芯或使其钝化的程序。然而,它作为系统的新兴属性而发生。因此,该系统不是计算系统,我们要做的就是设置正确的环境条件,并且它会动态发生。 逻辑上的缺陷当然是您必须对机器人进行编程才能编写。 

那人类呢? 可以用类似的方式解释我们的整理行为吗? Not a chance.  机器人不知道他们正在整理。 我们立即意识到这一点。 那知识从哪里来? 现在您需要一种整理知识的理论,事情又变得复杂起来。 仅仅因为您可以从简单的体系结构中出现看起来复杂的行为,并不意味着简单的体系结构就没有计算能力,也并不意味着人类就可以这样做。 

自行行走的机器人身体

W&G ask, 
为什么步行具有它的形式?一种解释 是我们有控制时序的内部算法, 我们大步前进的幅度。另一种解释是, 步行取决于我们的身材以及两者之间的关系 设计和我们经历的环境。
尽管很难想象步行并不取决于我们的建筑方式和所经过的环境,但让我们来讨论一下。 

人类不’t walk 像狮子一样,因为我们的身体不是’设计像狮子’ bodies. 
Not gonna argue 与that!  

机器人技术在步行表演中的作用 远不能解释为什么步行只有一种形式 considering the passive dynamics. For example, robots 与no 马达或机载控制算法可以重现人类 步态模式和效率水平,只需正确组装即可 
嗯,现在有一些实质内容。 这是有趣的工作。 工程师们建造了一个机器人框架,它可以像铁腕一样向下倾斜,除了重力以外,别无其他。 这是一项令人印象深刻的工程设计,但人类可以在平坦的地面上行走。 因此,机器人外壳装有

简单的控制算法...,其中 允许机器人保持姿势并控制推进力 more 在dependently. 
很棒的是,这些简单的控制算法(比以前使用的算法更简单)在安装到不同的身体类型时,可以实现多种运动行为。 W&G conclude,

这些机器人演示了生物可能如何利用 分配任务资源以替换复杂的内部控制 structures. 
这是很棒的工作。 If you look 在 the 原始科学论文,在补充材料中,您发现该论文的作者在设计飞机时将他们的方法与赖特兄弟的方法相提并论。 赖特夫妇没有尝试从一开始就设计出可以自行飞行的飞机,而是首先设计了一种可以 滑行,那么它们就适合一个简单的马达,并且(现在对他们或我们来说都不足为奇)它依靠自己的力量飞翔。 因此,打造可以滑行(例如,沿着斜坡向下走)的机器人是迈出的重要第一步。 然后,您所需要做的一切都建立在一个简单的控制系统中。 我们对W中的这个控制系统知之甚少&G的论文只说它们是“简单的控制算法”。这是科学论文的描述:
它们唯一的传感器检测接地,并且它们唯一的电动机命令是每步发出一次的开/关信号。除了为运动提供动力外,代尔夫特(Delft)两足动物中的臀部致动还通过在机器人有机会跌落之前迅速将其摆在机器人前面,从而提高了抵御较大干扰的前后稳定性。
通过正确的设计,可以用简单的计算代替复杂的计算。 (但它们仍在计算中,其中W&G don't mention.)  现在,如果您想让机器人做一点 学习,例如,为了适应不断变化的步行环境,您需要在计算中添加一些内容。同一篇科学论文报道了他们如何在机器人中实现感觉运动学习:

机器人获取反馈 将传感器映射到动作的控制策略 使用具有35个参数的函数逼近器。机器人采取的每一个步骤 对参数进行细微的随机更改,并测量步行变化 性能。此测量得出 噪声样本之间的关系 参数和性能,称为 在每个步骤上的性能梯度。借助于 演员批评强化学习算法(18),从以前的测量 steps are combined 与the measurement 从当前步骤有效地估算 真实机器人上的性能梯度 尽管存在传感器噪音,执行器不完善以及 环境的不确定性。算法 在实时梯度下降优化中使用此估算值来提高稳定性 逐步的动态。 
补充材料提供了有关此算法的更多信息:

使用局部非线性基函数的线性组合表示的学习控制器, 将体角和角速度作为输入 并生成脚踝伺服电机的目标角度作为输出。学习成本函数平方- ic惩罚了返回图上无心跳控制器的偏差,该偏差在该点评估 机器人从左侧转移支撑的位置 脚到右脚。资格是累积的 在每个步骤中平均分配,并大幅打折 (γ 0.2)之间。学习算法 还可以对功能值进行粗略估算 tion, using a function approximator 与only an- 流速为输入,预期报酬为 输出。此功能已在评估和更新 返回地图的每个交叉点。
尽管这些机器人的身体设计大大简化了机器人数字大脑的计算任务,但在地面水平行走的简单任务中,涉及到的计算量实际上大大超过了G。&W在讨论此示例时很快掩饰了。

您所有不考虑身体设计的认知建模者: You should!  具体的理论家在强调这一点上是绝对正确的。

你们所有激进的认知科学家都认为您可以消除计算(即信息处理):您仍然做不到! 您可以简化计算,这是一个了不起的进步,但是您的想法并不是一个新模型。 GOFIP是一种很好的老式信息处理程序,它可以更好地交付系统模型。
 

2014年11月5日,星期三年

体现认知赢得了名声吗?威尔逊&戈隆卡评论2013#1

威尔逊(Wilson)和戈隆卡(Golonka)为体现的认知事业提供了很好的轮廓。 Have a look 这里.  我敢肯定,这并不能代表所有体现的理论家,但它确实总结了激进的“替代”观点。因此,我决定在接下来的几天中非常仔细地研究该文章,并提出我的想法,以供进一步讨论和澄清。 我毫不怀疑我会误解某些特性,因此我希望安德鲁和萨布丽娜会予以纠正和澄清。 当然,我也想听听别人的意见。 我不打算在这里总结这些论点,因此请阅读本文以了解具体情况。 本文的行情缩进了,我的评论如下。 这篇博客文章涉及本文的第二部分。
由于认为感知存在缺陷,因此不能将其视为解决任务的中心资源。
谁争辩? 感性的科学家? 所谓“感知”,是指感知系统?还是说感知使用的物理信号?

因为我们只能通过感知来访问环境,所以环境也不被视为中心资源。 
 Who argues this?  当然,环境是感知的资源。 这就是输入的来源。

这将负担完全放在大脑上,充当仓库 技能和信息。 
谁争辩? 您认为传统的认知心理学家会否认信息可以以书面形式存储在大脑外部吗? 还是身体或环境限制了大脑对信息处理问题的解决方案? 当然,您确实需要大脑阅读这些笔记。

该职位描述使内部认知的内容 表示结构的最重要决定因素 我们的行为。因此,认知科学涉及 识别此内容 如何访问和使用 
大致上同意。 但是,无论如何,对于感知研究的出发点是输入的本质,它定义了问题。 声音会随着时间的流逝进入耳朵。您如何将其转化为定向响应? 撞击两个视网膜的图像略有不同;您如何从中获得3D? 感性的科学家总是会注意输入的样子。 要说对于非实体心理学家来说,这只是一个虚构的头脑,正在培养一个稻草人。

感知行动研究,特别是吉布森研究的进展’s 致力于直接感知(吉布森(Gibson),1966年,1979年),更改 有机体面临的问题的性质。 
这些“先进性”已有30年历史了。 也许值得一看最近的感知模型?

如果 感知行为耦合和分布在大脑中的资源, 身体和环境是认知的主要参与者, 然后需要标准的特定对象和过程 认知心理学(概念,内部代表的能力和知识)消失了,由非常不同的替代 对象和过程(最常见的是形成非线性动力学系统的感知-动作耦合 
 您的结论并非来自您的前提。 为什么环境中存在信息并且信息处理受身体限制这一事实意味着您不需要概念,内部表示形式或知识? 此外,这里还有一些循环性。 “如果感知-行动耦合……”(您的假设),那么我们用“感知-行动耦合”(您的结论)代替标准概念。 您至少已部分得出结论。

简而言之,这是实施例的版本 夏皮罗(2011) 指为the 替代假设 和我们的 这里的论点是 一旦允许,这一假设就不可避免。 身体与环境融为一体.  
看上面。 It doesn't follow.  因此,如果我理解这一主张,认知就会遍布环境,身体和大脑。 此外,传统的理论家没有对环境和身体给予足够的重视,而对大脑却没有给予过多的重视。 好的,那是合理的。但是,除非您想完全消除大脑/思想,否则您仍然需要关于大脑/思想对认知的贡献的理论。 因为,根据您自己的假设(即,大脑/头脑确实 某事),该理论不能完全源自环境或身体。 这意味着您将需要一个介于两者之间的传统信息处理模型。 因此,充其量“体现的认知”是标准认知模型的一种变体。

赢得名字,体现 我们认为,认知研究必须看起来与此截然不同 standard approach. 
好像它没有赢得名称。 

2014年11月4日,星期二年

思维方式:它'信息愚蠢!

并不是说我在称任何人为愚蠢。 当然,这是指克林顿竞选经理詹姆斯·卡维尔(James Carville)的“这就是经济,愚蠢”。这是重新调整重点的电话。 在这里,我们谈论的是认知科学,以及计算理论与内在体现理论之间的关系以及将我们的重点重新集中在信息处理上的需求。

我认为,具体化理论是在本质上是计算(即信息处理)理论,而具体化的人们正在错误地描述计算理论。 或者至少他们使用一种这样的理论(〜福多里哲学)来代表整个认知主义/计算思想。 In fact, it’s always been about 信息 以及如何处理。  它没有’t matter 怎么样 您处理信息—neurons, electronic 开关,齿轮,泵—信息很重要(物理模型 that correlate 与the state of the world) is used 在 such a way as to guide 行为。为了清楚起见,这里’摘自《镜像神经元神话》,该书讨论了认知心理学的一些早期概念。 
心理学家乌里克·尼瑟(Ulric 尼瑟) literally named the field 和 wrote the book on it 与his 1967 text, 认知心理学,定义了 这种认知领域:
“Cognition”指感觉的所有过程 输入被转换,简化,详细说明,存储,恢复和使用。  … Such terms as 感觉,感知,图像,保留,回忆,解决问题, 思维, 除其他外,指 假设的阶段或认知方面。[1]
尼瑟’s table of contents 强调了他的观点,即认知不仅限于高阶 functions.  他的卷被整理成 four parts.  第一部分就是 介绍性章节。  第二部分称为 “Visual 认识”并包含五章。  第三部分是“Auditory 认识” 与four chapters. Finally, Part IV deals with “更高的心理过程”并包含一个章节,Neisser refers to as “本质上是结尾” 与a discussion 那 is “quite tentative”. He continues,
不过,一本书的读者 认知心理学 有权 期望对思维,概念形成,记忆进行一些讨论, 解决问题之类的…。如果他们只占这些页面的十分之一, 因为我相信关于它们的话还很少….
今天大多数科学家都在工作 在感知或运动控制上,即使是相当低的水平,也会将其 在思维/大脑的信息处理模型中正当工作 因此在内瑟’认知的定义。  考虑一下最近出现的这篇论文标题 在顶级神经科学杂志上: 眼 比科学家想象的还要聪明:视网膜回路中的神经计算.  如果大脑中有什么东西是被动的 记录设备(如照相机)或简单的滤镜(如偏光太阳镜) it’视网膜,或者我们认为。这里’作者的说法:
传统的智慧将眼睛视为简单 视觉图像的预过滤器,现在看来,视网膜可解决多种多样的问题 特定任务,并将结果明确提供给下游脑区。[2]
解决多样化的问题 具体任务并提供结果…听起来像是特制的 of 程序ing—in the retina!  我们观察 控制简单动作的复杂程度类似,例如跟踪 object 与the eyes, an ability 那 is thought to 在volve a cerebral 皮质-小脑网络,包括六个以上的计算节点 生成预测,检测错误,计算校正信号以及 learn.[3]

-摘录-

我的前博士后顾问史蒂夫·平克(Steve Pinker) arguably today’脑力计算理论的拥护者和坚定者 “符号处理”的捍卫者(这不是您的想法!)加强了计算的广泛定义 就像关于信息处理一样:  
大脑的功能是信息处理或计算… 信息包括 patterns 在 matter 要么 energy, namely symbols, 那 correlate 与states of the world. That’当我们说某物携带信息时,我们的意思是。一种 解决方案的第二部分是信念和欲望在计算中会产生影响—where 大致将计算定义为设备处于运行状态时发生的过程 信息的排列方式(即物质内部的物质或能量的模式 设备)导致其他物质或能量位模式的变化,以及 该过程反映了逻辑定律,概率或因果关系 world. [4]
注意符号被简单地定义为物质模式 or energy, not x’s 和 y’s 在 lines of 码.  的 patterns “represent”(即与之相关)。 This constitutes 信息 大脑可以通过改变模式来利用,例如,通过听觉 时差,并使用该信息指导头部运动。这就是为什么 体现的动作令我感到困惑。  It’从根本上说,与 mind. 身体对信息处理有贡献吗? Of course!  The brain evolved 身体解决生存问题。 身体决定着大脑的输入。但这并不意味着大脑没有在处理信息。 


1 尼瑟, U. (1967) 认知心理学. 阿普尔顿世纪
2 Gollisch,T.和Meister,M.(2010)眼睛比 科学家认为:视网膜回路中的神经计算。 神经元 65、150-164
3 Wolpert,D.M.等。 (1998)的内部模型 cerebellum. 认知科学的趋势2、338-347


2014年10月24日,星期五年

亚利桑那州立大学2言语和听力科学中的开放式终身任职教师职位

语音与听觉科学系 Arizona State University, Tempe Campus, 在vites applicants 与expertise 在 沟通障碍及相关学科申请两个公开职称 从2015年8月开始担任终身教职。
为了 first position, 我们正在寻找候选人,他们的专业领域将补充并增强我们的实力 心理声学,人工耳蜗,听觉的当前研究优势 neurophysiology 和 pediatrics. Candidates 与research 在terests 在 the areas 衰老,扩增,听觉障碍,电生理和/或听觉 鼓励生理学应用。公开记录的证据是 预期以及与之相当的壁外资金的当前或潜力 与等级。职责包括研究,教学研究生和 本科课程,指导博士生并参与服务 系,学院和大学。
为了 second position, 我们 正在寻找专业领域在以下领域的候选人 传播科学,尤其是与发展和衰老有关的科学 脑。相关研究兴趣包括临床方法 康复,听觉和认知神经科学,神经语音处理, 和其他相关领域。壁外资助的证据和出版物 预期与排名相称的记录。职责包括研究,教学 研究生和本科课程,指导博士生并参与 为部门,学院和大学服务。
有兴趣的申请人应提交 以下内容:1)求职信,2)教学陈述,3)研究陈述,4)课程 简历,以及5)三个人的姓名和联系方式, 愿意根据检索委员会的要求提供参考。这些 资料应通过电子邮件发送至[email protected]。请包括“Faculty Hire”和在主题行中的预期排名(例如,教职员工– associate). For 完整的资格和申请信息,请访问 //chs.asu.edu/faculty-employment/shs/tenure-track-faculty-open-rank。最初的截止日期 申请日期为2015年1月2日。申请将每周审查 之后,直到头寸平仓为止。 亚利桑那州立大学是平等的机会/肯定 行动雇主致力于通过多元化实现卓越。妇女和少数民族 鼓励申请(ASU平权行动)。 A background check is required for 就业.
的 言语与听力科学系设在卫生学院 解决方案并提供本科生的语言和副学士学位 听力科学,语言病理学家助理证书, Master’博士学位,临床博士学位 听力学(AuD)学位,以及语音和听力科学博士学位。的 系还管理美国标志的大型本科课程 Language.  凤凰城地区有很多 可用于合作的临床和研究设施,包括巴罗 神经学研究所,梅奥诊所和其他医院系统以及ASU研究 机构。欲了解更多信息,请访问我们的网站: chs.asu.edu/shs. 

问题 有关这些职位和/或申请过程的信息可能会针对 搜索委员会主席Andrea Pittman博士(480)727-8728或 [email protected]. 


体现还是象征?谁在乎!

我仍然不理解关于体现认知的炒作。我猜这对我来说太抽象了。 我需要在现实世界中更多扎根。 (我明白了吗?)所以让我们考虑一下神经计算的真实示例。作为记录,以下内容摘自/摘自: 镜像神经元的神话.

就神经计算而言,在谷仓猫头鹰中的声音定位是相当容易理解的。 两只耳朵的输入汇入脑干 椎板核 与a "延迟线" 建筑 as 在 the figure:
 


在这种安排下,左耳和右耳信号将在其上的神经元(圆圈) converge 同时 将取决于两者激发之间的时间差 耳朵。如果同时刺激两只耳朵(声音在前面),会收敛 发生在 延迟线。如果 声音首先刺激左耳,在此位置会向右偏远 原理图(左耳刺激较早到达,使其信号进一步向下 右耳讯号之前的连线)。如果右耳刺激到来,反之亦然 早点这种延迟线架构从根本上建立了一个符合检测器阵列 检测巧合的单元格位置 代表s 信息: 两只耳朵的刺激时间不同,因此声音的位置也不同 资源。然后,您要做的就是将各个单元的输出(点火模式)插入 排列到用于控制头部运动的电机电路中,您就有了神经网络 用于检测声源位置和朝向声源的方向。
 
问题:我们称这种神经计算为什么? 它体现了吗?当然,它利用了特定于身体的功能,即两只耳朵之间的距离(如果没有, !)我想我们可以谈谈神经激活对外部世界的某种“共振”。 从这个意义上讲,它是体现的。 另一方面,网络可以说是用神经代码表示信息,即细胞网络中的活动模式,该信息不再类似于引起它的气压波。 实际上,我们可以编写一个符号代码来描述网络的计算。 该过程的典型数学模型使用互相关,但您可以使用以下基本代码来实现:


x =在左耳检测到声音发作的时间 
y =在右耳检测到声音发作的时间 
如果 x = y, 然后写‘straight ahead’
如果
x < y, 然后写‘left of center’
如果 x > y, 然后写‘right of center’ 

虽然谷仓猫头鹰中没有代码’s brain, the 建筑 网络的确 实现程序: x y 是来自左侧的输入信号(轴突连接) 和右耳; x和y之间的关系是 计算的 通过延迟线重合 detectors; 和 “rules”通过连接实现用于生成适当输出的功能 在阵列中的各个单元和电机系统之间(在我们的示例中)。大脑和线条 的代码确实可以实现相同的计算程序。代码行使用 particular arrangement of symbols 和 规则, brains do it 与particular arrangement of 神经元之间的联系 要么 代表 信息. 两者都是描述系统为执行任务而执行的计算的准确方法。 

那么,我们称这种非代表性的体现认知还是经典的符号计算有关系吗? I think not.  如果我们只是开始尝试真正弄清我们正在研究的系统的体系结构和计算,那么如何称呼它的问题就变得微不足道了。