摘要:本文介入有关批判算法研究的当代讨论,以了解“算法”的含义。尽管许多关键学者以及大多数公共组织和私人组织都将此概念理解为软件堆栈中编程代码实例化的计算程序,但我认为该算法可以更好地理解为“图形”:一种偏见的简短指出,指出了各种程序治理模式,而不是总是数字化的模式。由于算法数字是由一系列异质环境产生的,因此它们的出现导致对算法的现实,实质性和影响的构想。本文提供了四种民族志策略来描述算法数字的生产和循环背景:观察算法的观察者;映射和创建算法数字;跨越构图的关系;并分析算法数字对控制它们的尝试的变革性影响。
几十年来,识别学习背后的神经机制并寻找改进它们的新方法一直是一个重要的研究课题。迄今为止,睡眠是影响记忆巩固的最受关注的因素之一。有人提出,睡眠期间海马皮质会重放记忆痕迹,以逐渐强化记忆表征 (1)。据推测,这种影响是通过以下相互作用实现的:通过主动神经元重放记忆表征来强化相关突触,通过下调非相关突触来锐化表征 (2)。非快速眼动睡眠 (NREM) EEG 特征,例如慢振荡、纺锤波和丘脑涟漪,被认为可以协调这一过程 (3 – 5)。经颅直流电刺激 (tDCS) 等非侵入性脑刺激技术已被引入作为调节记忆表征神经整合的工具 (6)。经颅电刺激装置产生的慢电波(慢振荡 tDCS,so-tDCS;经颅交流电刺激,tACS)已被证明能够诱发内源性慢振荡并增强慢