신 경계 및 큰 데이터를 새로운 차원 감소 알고리즘 쉽게 뇌

과학자 들은 이제 감지 하 고 뇌에 뉴런의 수백의 활동을 기록 고이 수 번 식 기술 투입을 개발 하는 계속 해 서 수 있다. 그러나, 단순히 신경 활동을 기록 자동으로 두뇌가 작동 하는 방식을 이해 하는 과학자는 허용 하지 않습니다.

자연 신경 과학 저널에 발표 한 논평에서 바이런 엠 유, 카네기 멜론 대학의 콜 럼 비아 대학교의 존 P. 커닝 햄 뉴런의 활동을 설명 하기 위해 많은 수의 뉴런의 활동을 공부에 대 한 많은 과학적 동기 설명 기계 학습 알고리즘 차원 감소 라는 제안입니다.

최근 몇 년 동안, 차원 감소 우리에 게 주신 뇌 구별 하는 방법에 대 한 통찰력 냄새, 불확실성, 얼굴 결정 방법과 실제 조치가 있을 때 사지를 이동 하는 것에 대 한 생각 하는 사이. 건강 하 고 비정상적인 두뇌 활동 패턴을 비교 하 여 궁극적으로 치료 및 뇌 손상 및 뇌 기능 장애에 대 한 개입을 향상 쉽게 만들 것입니다 표준 분석 방법으로 유와 커닝 햄 옹호 차원 감소.

"신경 과학의 핵심 원리 중 하나는 신경의 많은 뇌 기능을 생산 하기 위해 함께 작동 이다" 라고 유, 조교 및 CNBC 직원 CMU 전기 및 컴퓨터 공학 및 생명 공학. 그러나, 대부분의 표준 분석 방법만 한 번에 하나 또는 두 개의 뉴런을 분석할 수 있습니다. 얼마나 많은 수의 이해 신경 작용, 차원 감소 등 고급 통계적 방법 이러한 대규모 신경 레코드를 설명할 수 있다. "

차원 감소의 진짜 생각을 정리해 보면 신경 활동을 많이 덜 잠재 또는 숨겨진 변수를 사용 하는 것입니다. 차원 감소의 방법은 우리가 명상을 하거나 모두는 외부 세계에 뇌에서 수행 됩니다, 정신 그리고 수학 문제를 해결할 때, 예를 들어 뇌의 내부 작동 메커니즘을 잠복에 매우 유용 합니다. 이 잠재 변수 생각 경로 묘사 하기 위해 사용할 수 있습니다.

"과학 연구의 주요 목표 단순한 용어로 복잡 한 현상을 설명 하는," 커닝 햄, 잘라내기, 통계의 조교는 기사에서 말했다. 전통적인 신경 단일 뉴런을 단순화 하는 방법의 찾을 하고자 합니다. 하지만 그들은 점점 더 다양 한 기능을 뉴런 활성 패턴에 전시는 뉴런을 검사 하 여 설명 하기 어렵습니다 인식 되고있다. 차원 감소 개별 뉴런의이 커버 하 고 신경 서로 상호 작용 하는 방법에 따라 간단한 설명을 찾을 수가 있습니다. "

신경 과학, 차원 감소는 상대적으로 새로운 기존 분석 방법에 비해, 그것은 큰 잠재력과 밝은 전망을 보이고. 신경의 지속적인 개발 기록 기술 및 "두뇌 프로그램 (뇌 이니셔티브)" 미국에서의 개발, 대용량 데이터는 점점 더 중요 해지고 있다 그리고 감소 및 평화 유지의 방법의 사용은 필수적인 데이터 처리 방법 될 것 이다.

관련 독서: serotonergic 시스템을 제어 하는 새로운 통로의 발견

원래 링크: 신경 과학 및 큰 데이터: 어떻게 단순 뇌 (번역/Shaohong 잎 Zebian/제 남 중)에서 찾을 수

무료 구독 "CSDN 클라우드 컴퓨팅 (왼쪽) 및 csdn 큰 데이터 (오른쪽)" 마이크로-편지 공개 번호, 실시간의 이해 원래 클라우드 뉴스, 최신 큰 데이터 진행을 이해 하기!

CSDN 게시 관련된 클라우드 가상화, 독 노동자, OpenStack, Cloudstack, 및 데이터 센터 등의 정보를 컴퓨팅, 스트림 컴퓨팅, 하 둡, Nosql/newsql, HBase, 임 팔 라, 스파크 메모리 계산, 공유 기계 학습 및 지능형 알고리즘 및 기타 큰 데이터 뷰를 제공 하는 클라우드 컴퓨팅 및 대형 데이터 기술, 플랫폼, 연습 및 산업 정보 서비스 관련.