对人和动物的学习过程进行计算建模并与其他模态数据（如眼动、脑电、fMRI以及电生理）进行联合建模是认知神经科学的重要方法。为提高国内认知心理学、认知神经科学、神经生物学等领域科研工作者和研究生对强化学习计算建模的了解和使用，本次工作坊将会采用理论+实操的方式，系统深入的介绍强化学习建模的主要模型，并重点介绍强化学习的基础概念和行为实验建模的代码实现。

一、课程目标

理解人工智能中强化学习的基本概念

理解认知神经生物学中强化学习的基本研究范式

掌握针对人和动物强化学习模型及在软件中实现

理解强化学习在心理学和神经科学中和其他认知过程的关系

（1）认知地图；

（2）预测编码理论

二、参加对象

心理学、神经科学其他相关领域的研究生和教师。

三、主讲人

张洳源，北京大学心理与认知科学学院和IDG麦戈文脑科学研究所研究员，长期致力于脑科学与类脑智能的交叉研究，探索人脑和人工智能的神经计算机制。以第一作者(含共一)或者通讯作者(含共同通讯)在Nature Human Bahaviour, PNAS,J Neurosci、Advances in Methods and Practices in Psychological Science、elife等杂志发表认知神经科学论文；类脑计算研究还在世界顶级机器会议和期刊(中国计算机A类)TPAMI, ICML和IJCAI发表。获得国家自然科学基金、上海市浦江人才计划等基金的资助。

方泽鸣，深圳大学助理教授。主要研究方向为计算认知神经科学，致力于整合计算建模、行为实验与脑影像技术，专注于通过构建计算模型，深入揭示人类学习、决策及问题解决等高级认知功能的神经计算机制。已在多个国际期刊和会议上发表了10余篇论文，其中以第一作者身份发表在Nature Communication, eLife、PLoS Comp Biol等期刊。申请人获得2024中国博士后科学基金面上资助。

四、上课地点：深圳大学（线下）

学时：3小时

时间：2026年4月10日下午2:30-5:30

名额：预期50人

五、课程大纲

1. 人工智能中的强化学习

· 强化学习的基本概念

· 动态规划

· 策略迭代和价值迭代的代码实现

· 基于模型的强化学习和不基于模型的强化学习

· Q-learning的代码实现

2. 心理学/神经科学中的强化学习

· 奖赏理论

· 概率反转联结学习任务

· 认知神经的强化学习与人工智能强化学习的关系

· 神经科学前沿展望

六、课程费用：学生：100元；教师：150元