Questions tagged «neuroscience»

1
40,000篇神经科学论文可能是错误的
我在《经济学人》上看到了一篇关于看似毁灭性论文的文章 [1] ,该论文令人质疑“ 大约有40,000种已发表的[fMRI]研究。他们说,这种错误是由于“错误的统计假设”。我阅读了这篇论文,发现部分原因是多次比较校正,但是我不是fMRI专家,因此很难遵循。 作者所说的错误假设是什么?为什么要做出这些假设?做出这些假设有哪些方法? 信封计算的背面显示,有40,000张fMRI论文的资金超过10亿美元(研究生的工资,运营成本等)。 [1] Eklund等人,“聚类失败:为什么空间范围的fMRI推论会增加假阳性率,PNAS 2016”

12
为什么神经网络需要这么多的训练实例来执行?
一个2岁的人类孩子需要大约5辆汽车才能以合理的准确性识别它,而不论其颜色,制造等如何。我儿子2岁时,即使他已经看过,也能够识别电车和火车。一些。由于他通常会彼此混淆,因此显然他的神经网络还没有足够的训练,但仍然可以训练。 缺少人工神经网络是什么使它们无法更快地学习呢?转移学习是答案吗?

4
相关系数= 0.2是否表示“只有五分之一的人”存在关联?
迪恩·伯内特( Dean Burnett )在《白痴的大脑:神经科学家解释你的头到底在做什么》一书中 身高和智力之间的关系通常被引用为约,这意味着身高和智力似乎只待相关1中5人。0.20.20.21个11555 对我来说,这听起来是错误的:我更了解相关性,就像我们试图预测一个量度(此处为智力)时所得到的(缺乏)错误一样,如果我们唯一了解的那个人是另一个量度(此处为身高)。如果相关系数为或− 1,则我们的预测中不会出错,如果相关系数为0.8,则误差更大。因此,相关性将适用于任何一个,而不是仅仅1中的5人。1个11− 1−1-10.80.80.81个11555 我已经看过这个问题,但是我的数学能力不足以理解答案。这个关于线性关系强度的答案似乎符合我的理解,但我不确定。

4
我们可以从人工神经网络中学到什么关于人脑?
我知道我的问题/标题不是很具体,所以我将尝试澄清一下: 人工神经网络的设计相对严格。当然,通常,它们会受到生物学的影响,并尝试建立真实神经网络的数学模型,但是我们对真实神经网络的理解不足以建立精确的模型。因此,我们无法构思出精确的模型或“接近”真实神经网络的任何事物。 据我所知,所有人工神经网络都与真实神经网络相距甚远。标准,经典的全连接MLP在生物学中不存在。递归神经网络缺乏实际的神经可塑性,RNN的每个神经元都具有相同的“反馈结构”,而真实的神经元则保存并共享它们的信息而不是单独地。卷积神经网络是有效且流行的,但是(例如)人脑中的图像处理仅由几个卷积层组成,而现代解决方案(如GoogLeNet)已经使用了数十个卷积层……尽管它们为计算机产生了很好的结果,它们甚至不接近人类的表现。尤其是当我们想到“每层性能”时,与真实的神经网络相比,我们需要大量的层并减少数据。 此外,据我所知,与真实神经网络的巨大适应性相比,即使是模块化的,自扩展/自重构的人工神经网络也相当“固定和静态”。生物神经元通常具有成千上万的树突,将神经元连接到各种各样的不同区域和其他神经元。人工神经网络更加“直接”。 那么,我们能从人工神经网络学到关于人脑/真实神经网络的任何信息吗?还是只是尝试创建一种性能要比经典的静态算法更好的软件(甚至在此类算法失败的地方做些事情)? 有人可以提供(最好是科学的)有关此主题的资源吗? 编辑:高度赞赏更多答案(:

2
如何解释时间序列数据上的PCA?
Freeman et al。,2014年(最近的免费pdf 可在实验室网站上找到)中,我试图理解PCA在最近的期刊文章“使用集群计算大规模地映射大脑活动”中的用法。他们在时间序列数据上使用PCA,并使用PCA权重创建大脑图。 的数据是试平均成像数据,存储为矩阵(称为Ý在纸)与ñ体素(或成像位置在脑中)的时间点(单一刺激的长度到大脑) 。Y^Y^\hat {\mathbf Y}nnn×t^×t^\times \hat t 他们使用SVD得出(表示矩阵转置)。V⊤VY^=USV⊤Y^=USV⊤\hat {\mathbf Y} = \mathbf{USV}^\topV⊤V⊤\mathbf V^\topVV\mathbf V 作者指出 主成分(的列)是长度为向量,而得分(的列)是长度为(体素的数量)的向量,描述了每个体素在方向上的投影。由相应组件给出,在体积上形成投影,即全脑图。吨 ü ÑVV\mathbf Vt^t^\hat tUU\mathbf Unnn 因此,PC是的长度的矢量吨。如何解释PCA教程中通常表达的“第一个主要成分解释了最多的差异”?我们从具有许多高度相关的时间序列的矩阵开始-单个PC时间序列如何解释原始矩阵中的方差?我了解整个“点的高斯云到变化最大的轴的旋转”,但是不确定这与时间序列的关系。作者在陈述时所指的方向是什么:“分数(U的列)是长度为n的向量t^t^\hat tUU\mathbf Unnn (体素数),描述每个体素在相应分量给定的方向上的投影”?主分量时程如何具有方向? 要查看由主成分1和2的线性组合以及相关的脑图得出的时间序列的示例,请转到以下链接,然后将鼠标悬停在XY图中的点上。 我的第二个问题与他们使用主成分分数创建的(状态空间)轨迹有关。 这些通过取第一分数(在我上面已经概述的“视动”的例子的情况下)产生并投射单个试验(用于创建上述试验平均矩阵)到由等式主子空间:J=U⊤Y.J=U⊤Y.\mathbf J = \mathbf U^\top \mathbf Y. 从链接的电影可以看到,状态空间中的每条迹线代表整个大脑的活动。 与关联前两台PC得分的XY图的图形相比,有人能提供状态空间电影的每个“帧”意味着什么的直觉。在给定的“框架”下,将一个试验置于XY状态空间中的一个位置,将另一个试验置于另一个位置,这意味着什么?电影中XY绘图位置与问题第一部分提到的链接图中的主成分迹线有何关系?

4
相关性的非传递性:性别与大脑大小之间以及大脑大小与智商之间的相关性,但性别与智商之间没有相关性
我在博客上找到了以下解释,我想获得有关相关性的非传递性的更多信息: 我们有以下不争的事实: 平均而言,男性和女性的大脑容量存在差异 智商与大脑大小之间存在相关性。相关系数为0.33,因此相当于智商变异性的10% 从这些前提1和2看来,逻辑上是这样的:女性平均智商比男性低。但这是谬论!在统计中,相关性不是传递的。证明是,您只需要查看智商测试的结果,即可证明男人和女人的智商平均没有差异。 我想更深入地了解这种相关性。 如果智商与大脑大小之间的相关性是0.9(我知道不是(1)),那么推断女性平均智商比男性低会仍然是谬论吗? 拜托,我不是在这里谈论智商(以及测试的局限性),性别歧视,女性刻板印象,自大等(2)。我只想了解谬论背后的逻辑推理。 (1)据我所知并非如此:尼安德特人的大脑比智人的大脑更大,但并不聪明。 (2)我是一个女人,总的来说,我不认为自己,或者其他女人不如男人聪明,我不在乎智商测试,因为什么才是人们的价值所在,而不是基于人的价值。智力能力。 法语原文: 毫无疑问,顽固的杀手iv: 女人与女人之间的差异 气质与体积的关系 相关系数估计为0.33,对应的变量为10% 《预案》第1期和第2期,以“découlerdécouler”的形式进行质问:“ les femmes ont en moyenne un QIinférieuraux hommes”。 Mais c'est une erreur de raisonnement!从统计上看,所有关联都没有和解。拉普里夫(La Preuve),最令人心动的媒体,无意为QI进行测试的人,以及ceux-ci montrent QUE homs et des femmes nediffèrentpas en moyenne。
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.