Loading...
机构名称:
¥ 2.0

自 20 世纪中叶以来,基于生物学和物理学的神经动力学模型的原理设计和发现一直在不断推进。人工智能 (AI) 的最新发展加速了这一进程。这篇评论文章从高层次概述了不同组织规模和抽象层次的方法。本文涵盖的研究包括计算神经科学、非线性动力学、数据驱动方法以及新兴实践中的基本模型。虽然并非所有这些模型都涵盖神经科学、人工智能和系统动力学的交叉领域,但它们都可以作为生成模型协同工作,正如我们所认为的,它们为神经科学数据的分析提供了优越的特性。我们讨论了大脑数据的局限性和独特的动力学特征,以及对假设和数据驱动建模的互补需求。最后,我们从科学机器学习的最新文献中介绍了几种混合生成模型,这些模型可以有效地部署以产生可解释的神经动力学模型。

大脑动力学生成模型

大脑动力学生成模型PDF文件第1页

大脑动力学生成模型PDF文件第2页

大脑动力学生成模型PDF文件第3页

大脑动力学生成模型PDF文件第4页

大脑动力学生成模型PDF文件第5页