想问一下如何入门类脑智能，有哪些神经科学方向的先修课，感谢?
类脑智能是一门涉及多个学科领域的交叉学科，主要包括神经科学、计算机科学、数学、物理学、心理学等。如果想要入门类脑智能，需要具备一些神经科学的基础知识。
以下是一些神经科学方向的先修课程建议：
细胞生物学：该课程主要介绍细胞结构和功能等基本知识，包括生物膜、细胞器、细胞信号传导等。这对于理解神经元结构和功能非常重要。
生物化学：该课程主要介绍生物分子的结构和功能，包括蛋白质、核酸、脂质、碳水化合物等。这对于理解神经元内部的分子机制非常重要。
神经科学导论：该课程主要介绍神经科学的基本原理和研究方法，包括神经元、突触、神经网络、脑功能等。这是学习神经科学的入门课程。
生理学：该课程主要介绍人体各个系统的功能和调节机制，包括神经系统、内分泌系统、循环系统、消化系统等。这对于理解神经系统和大脑的整体功能非常重要。
认知心理学：该课程主要介绍人类思维和行为的基本规律和模式，包括感知、注意、记忆、思维、语言等。这对于理解大脑的认知功能和行为非常重要。
除了以上的先修课程，学习类脑智能还需要具备一定的数学和计算机科学基础，包括线性代数、概率论、统计学、算法和数据结构等。这些基础知识可以帮助理解类脑智能中的数学模型和计算方法。
总的来说，入门类脑智能需要有广泛的学科背景，建议在学习之前多方面了解相关领域的知识，包括通过书籍、网络资源和学术论文等途径积累相关知识。
如果有用，望采纳，谢谢！
不知道你这个问题是否已经解决, 如果还没有解决的话:人们会期望基本的智能原理对大脑的设计产生重大影响。简约和自洽原理为灵长类视觉系统的几个实验观察提供了新的思路。更重要的是，它们揭示了未来实验中要寻找的目标。
作者团队已经证明，仅寻求内部简约和预测性表示就足以实现“自监督”，允许结构自动出现在通过压缩闭环转录学习的最终表示中。
例如，图 9 显示无监督数据转录学习自动区分不同类别的特征，为在大脑中观察到的类别选择性表示提供了解释。这些特征也为灵长类大脑中稀疏编码和子空间编码的广泛观察提供了合理的解释。此外，除了视觉数据建模，最近的神经科学研究表明，大脑中出现的其他结构化表示（例如“位置细胞”）也可能是以最压缩的方式编码空间信息的结果。
可以说，最大编码率降低 (MCR2) 原理在精神上类似于认知科学中的“自由能最小化原理”（free energy minimization principle），后者试图通过能量最小化为贝叶斯推理提供框架。但与自由能的一般概念不同，比率约减在计算上易于处理且可直接优化，因为它可以以封闭的形式表示。此外，这两个原理的相互作用表明，正确模型（类）的自主学习应该通过对这种效用的闭环最大化博弈来完成，而不是单独进行最小化。因此，他们相信，压缩闭环转录框架为如何实际实施贝叶斯推理提供了一个新的视角。
这个框架也被他们认为阐明了大脑使用的整体学习架构，可以通过展开优化方案来构建前馈段，且不需要通过反向传播从随机网络中学习。此外，框架存在一个互补的生成部分，可以形成一个闭环反馈系统来指导学习。
最后，框架揭示了许多对“预测编码”大脑机制感兴趣的神经科学家所寻求的难以捉摸的“预测错误”信号，这是一种与压缩闭环转录产生共振的计算方案：为了让计算更容易，应在表示的最后阶段测量传入和生成的观测值之间的差异。