Ⅰ.　予測と文脈：脳の回路と計算理論
1.　脳の双方向的な情報処理
　1.1　ボトムアップとトップダウン
　1.2　順モデルと逆モデル
　1.3　高次機能に関わる順モデル
2.　小脳・大脳基底核・大脳皮質の予測機能
　2.1　運動だけではない小脳・大脳基底核の役割
　2.2　学習の三つの枠組みと小脳・大脳基底核・大脳皮質
　2.3　蛍習アルゴりズムによる専門化とモジュールの統合
3.　予測と推定の計算理論的基礎
　3.1　関数近似
　3.2　ダイナミクスの学習
　3.3　確率モデルと最尤推定
　3.4　隠れ変数とEM法
　3.5　カルマンフイルタ
II.　ダイナミクスの予測：小脳と内部モデル
4.　内部モデルの学習と制御
　4.1　三つの計算問題
　4.2　内部モデルによる制御
　4.3　内部モデルの学習
　4.4　内部モデル学習制御と腕の柔らかさ調節の統合
　4.5　質疑
5.　小脳に学習で獲得される内部モデル
　5.1　小脳の神経回路
　5.2　小脳内郡モデル理論
　5.3　小脳フィードバック誤差学習
　5.4　迫従眼球運動の神経生理学的研究
　5.5　追従眠球運動と単純スパイク・複雑スパイク
6.　人間の小脳に獲得される内部モデル
　－脳機能イメージングによる検証－
　6.1　fMRIについて
　6.2　小脳に独得される道具の内部モデル
　6.3　小脳に構成される多重内部モデル
7.　到達運動の最適化と誤差の信号
　7.1　到達運動の計算課題
　7.2　Jerk最小モデルとトルク変化最小モデル
　7.3　終点誤差分散最小モデル
　7.4　登上線維は誤差信号を伝えているか
　7.5　誤差信号から滑らかな到達運動へ
8.　運動制御における高次の問題
　－到達運動のプリズム適応を例にとって－
　8.1　プリズム適応の「難しさ」
　8.2　並列的な内部モデルの可能性
　8.3　プリズム適応における誤差信号
　8.4　プリズム適応とモジュール学習
　8.5　信頼度に基づく高次の運動計画
　8.6　教師あり学習系と強化学習系の協調的な働き
　III.　報酬の予測：大脳基底核
9.　強化学習の基礎
　9.1　強化学習とは?
　9.2　マルコフ決定過程と最適価値関数
　9.3　Bellman最適方程式を解く三つの方法
　9.4　モデルベースの強化学習
10.　大脳基底核による眼球運動制御－報酬と動機づけの意昧－
　10.1　大脳基底核と眠球運動
　10.2　報酬，動機づけと大脳基底核の関係を調べる実験
　10.3　サッケードに対する動機づけの影響
　10.4　ドーパミンニューロンと報酬の関係
11.　大脳基底核の計算モデル
　11.1　大脳基底核と強化学習
　11.2　複数の皮質－大脳基底核－視床回路による運動系列の学習
　11.3　報酬信号の調節下での尾状核ニューロンの自己組織化
IV.　統計的な予測：大脳皮質
12.　大脳皮質の再帰結合回路による予測の機構
　12.1　予測的コーデイング仮説
　12.2　カルマンフイルタモデルによる隠れ状態推定
　12.3　階層モデル
　12.4　ロバストカルマンフイルタモデル
13.　トップダウンとボトムアッブの相互作用
　－fMRIと心理物理実験－
　13.1　運動知覚の2段階モデル
　13.2　より高次の段階がこつの段階にいかに影響を及ぼすか?
　13.3　動きと形の相互作用
14.　環境に適応し，未来を予測する視知覚システム
　14.1　視覚における順応現象
　14.2　順応現象から視覚システムを探る
　14，3　運動情報と形態惰報
15.　聴覚系のダイナミクスと環境適応性
　15.1　聴覚の補完現象
　15.2　音源定位のダイナミクス
16.　外部座標から筋肉座標へ
　16.1　一次運動野ニューロンの使う座標系
　16.2　運動野指令の座標系を明らかにする実験
　16.3　モデルによる説明
エピローグ
索　引