Nov, 2023

系统神经科学的目标驱动方法

PDF
TL;DR我们提供了一个新的可解释性定义，展示了产生神经回路响应特性的演化约束，并展示了该框架在多个脑区和物种中研究循环处理在灵长类动物腹侧视觉通路，小鼠视觉处理，啮齿动物介董皮质的异质性以及促进生物学学习的作用。
neural circuitsinterpretabilityresponse propertiesrecurrent processingventral visual pathway
发现论文，激发创造
  • 大规模神经科学中的简单与复杂

    本文回顾了大规模神经科学研究中的技术和数据分析方面的缺陷，并提出了新的理论框架与方法以促进神经科学概念的进一步发展。

    Mar, 2015

  • 从深度学习到神经科学的机械理解：视网膜预测的结构

    通过对感知神经元输入输出映射建模的深度前馈神经网络提出新的计算机制提取系统方法，将此方法应用于视网膜深层网络模型。研究揭示了视网膜的预测特征提取以及各种时空刺激下信号偏离期望的计算机制，为神经科学深度学习研究提供了　新的理论基础和研究方向。

    Dec, 2019

  • 深度学习与神经科学的集成

    本文考虑在神经科学和机器学习之间建立联系，提出脑部通过优化各式各样的代价函数来实现数据高效学习和定向行为，其中包括关注、递归等结构体系和各种形式的短时和长时记忆存储，作者提出了未来神经科学试图改进和检验这些假设的方向。

    Jun, 2016

  • 通过循环神经网络的优化出现头向系统的功能和结构特性

    本文研究了神经网络在模拟神经电路的结构和功能方面的表现，通过对啮齿动物和果蝇的头部定向系统进行的研究，证明了神经网络可以自然地产生指南针神经元和移位器神经元等不同类别的神经元，其结果表明，人工神经网络可用于在神经活动和解剖组织层面上研究大脑。

    Dec, 2019

  • 复杂神经系统与高维数据的统计力学

    这篇论文介绍了在统计物理学、计算机科学和神经生物学交叉领域中涌现的模型统计方法，如关联复制和空腔方法，信息传递的概念和其在神经计算和学习中的应用，以期提供更好的理论和技术支持解决神经网络中的复杂计算问题。

    Jan, 2013

  • 神经网络的生理机制可解释性

    比较神经网络和生物电路之间的相似和不同，研究探讨了从生物学的行为和可理解的理由中深入了解神经网络从数据中学习的见解。

    Mar, 2022

  • 人工神经网络探究：来自神经科学的启示

    这篇文章探讨从神经科学角度出发，在进行机器学习的探索性研究时，通过指定研究目标且明确探针设计的方向和表现性来实现对于感兴趣特征激活模式的监督模型

    Apr, 2021

  • 神经元作为直接数据驱动控制器

    发展一个解释神经元生理学的规范理论，将神经元视为最佳反馈控制器，利用新的 DD-DC 框架对神经元进行建模，从而解释了神经生理现象并提供了构建神经网络的新方法。

    Jan, 2024

  • 神经科学中的强化学习简介

    强化学习和神经科学之间存在紧密的联系，本论文通过回顾经典强化学习和介绍现代深度强化学习的方法，以及其在系统神经科学中的应用，阐述了这种联系。

    Nov, 2023

  • 分布式内容寻址存储器中洞察力产生机制的研究

    这篇研究论文探讨了创造力对神经科学的挑战，并着重讨论了神经机制是如何实现对概念和想法的表示的，以期能够解释创造力的魔力。

    Jun, 2011