机构名称：
¥ 1.0
新兴技术可以获取越来越大规模的数据，有望改变系统神经科学的发现。然而，目前数据采集规模的指数增长是一把双刃剑。扩大数据采集规模可以加快发现周期，但也可能误解结果或可能减慢周期，因为高维数据带来的挑战。主动、自适应、闭环实验范式使用经过优化的硬件和算法来实现时间关键计算，以提供解释观察结果的反馈并测试假设以主动更新刺激或刺激参数。从这个角度来看，我们回顾了主动和自适应实验的重要概念，并讨论了如何在发现循环的不同阶段有选择地限制维度和优化策略，以帮助减轻高维数据的诅咒。主动和自适应闭环实验范式可以在数据规模呈指数级增长的情况下加快发现速度，为神经科学指数增长时代及时和迭代地修改假设和发现提供路线图。
提高系统神经科学的可扩展性
主要关键词
相关文件推荐
