챕터 1 계산 신경과학의 문제 설정과 모델링 관점
관측과 설명의 구분
모델이 답하는 질문의 범위
수준별 기술: 세포·회로·행동
상태, 변수, 파라미터의 역할
결정론과 확률론의 선택 기준
시간, 공간 스케일의 정리
모델 평가의 기본 원칙

챕터 2 신경 신호의 수학적 표현
연속시간과 이산시간 표현
벡터·행렬로 나타내는 다변량 신호
신호의 스케일링과 단위 처리
노이즈의 역할과 모델링 방식
기본 확률 분포의 사용 맥락
상관과 공분산의 의미
기대값과 분산의 해석

챕터 3 뉴런의 입력-출력 모델
비선형성의 필요성
발화율 기반의 정적 뉴런 모델
선형-비선형-포아송 모형의 구조
스파이크 생성의 확률적 관점
임계값과 포화의 효과
리셉티브 필드의 개념적 역할
모델 파라미터의 해석

챕터 4 막전위 동역학과 단순화된 전기적 모델
막전위와 전류의 관계
RC 회로로 보는 뉴런
누설 적분-발화 모델의 구성
불응기와 리셋의 의미
입력 전류와 시냅스 전류의 구분
안정성, 고정점, 시간상수
간단한 수치적 적분의 아이디어

챕터 5 시냅스와 연결 구조의 모델링
시냅스 가중치의 의미
흥분성과 억제성의 균형
시간 지연과 필터링 효과
연결 행렬과 그래프 관점
국소 연결과 장거리 연결의 차이
피드포워드와 피드백 구조
연결 강도 분포의 영향

챕터 6 신경회로 동역학의 기본 형태
선형 동역학과 모드 해석
비선형 동역학과 안정성 개념
유인자와 활동 패턴의 형성
진동과 동기화의 최소 조건
잡음이 만드는 변동성과 전이
입력 구동과 자발 활동의 구분
초기조건 민감도의 의미

챕터 7 감각 인코딩의 계산 원리
자극과 반응의 매핑
튜닝 곡선의 형태와 해석
적응과 정규화의 기본 효과
변동성 속에서의 정보 전달
인구 코딩의 직관적 구조
상관이 코딩에 미치는 영향
간단한 인코딩 모델의 비교

챕터 8 디코딩과 추정의 계산 틀
추정 문제로서의 디코딩
최대우도 추정의 기본 원리
베이즈 규칙의 역할
사후분포의 해석과 불확실성
손실함수와 최적화의 관계
간단한 선형 디코더의 의미
성능 측정의 기본 기준

챕터 9 학습 규칙과 가소성의 최소 모형
가소성의 기능적 목표
헤브 규칙의 직관과 한계
오차 기반 학습의 핵심 아이디어
강화 신호와 크레딧 할당
규제와 제약의 필요성
학습 안정성과 발산의 방지
파라미터 변화의 해석

챕터 10 구현과 재현 가능한 실험 구성
모델 명세의 최소 구성요소
데이터 전처리의 필수 원칙
학습·검증 분리의 기본 이유
하이퍼파라미터의 관리 방식
난수와 초기조건의 통제
결과 보고의 표준 형식
재현성 점검 체크포인트