タグ付けされた質問 「neuroscience」

エコノミストでこの記事を見て、一見壊滅的な [1]「40,000件の公開された[fMRI]研究のようなもの」に疑問を投げかけました。彼らによると、エラーは「誤った統計的仮定」によるものです。私はこの論文を読んで、部分的に多重比較修正の問題があることを確認しましたが、私はfMRIの専門家ではなく、従うのが難しいと感じています。 著者が話している誤った仮定は何ですか？なぜこれらの仮定がなされているのですか？これらの仮定を立てる方法は何ですか？ 封筒の計算の裏には、40,000 fMRIの論文が10億ドル以上の資金（学生の卒業生の給与、運営費など）があると書かれています。 [1] Eklund et al。、Cluster failure：fMRIによる空間範囲の推論が偽陽性率を増大させた理由、PNAS 2016

67 hypothesis-testing  multiple-comparisons  spatial  neuroimaging  neuroscience 

2歳の人間の子供は、色、メーカーなどに関係なく妥当な精度で識別できるように、車のインスタンスを約5つ必要とします。息子が2歳のとき、彼は、少しだけ。彼は通常、お互いを混同していたため、明らかに彼のニューラルネットワークは十分に訓練されていませんでしたが、それでもまだです。 人工ニューラルネットワークが不足しているため、より速く学習することができません。転移学習は答えですか？

64 neural-networks  neuroscience 

In The Indiot Brain：A Neuroscientist Explains What Your Head are Real Up To、ディーン・バーネットは書いている 高さと知性の間の相関は通常約あるものとして引用さ高さと知性だけで関連しているように見えるという意味、で人。0.20.20.2111555 私には、これは間違っているように聞こえます：その人について知っている唯一のものが他の測定値（ここでは身長）である場合、一方の測定値（ここでは知性）を予測しようとするときに生じるエラー（より少ない）のような相関関係を理解し​​ています。相関がまたは場合、予測にエラーはありません。相関が場合、さらにエラーがあります。したがって、相関関係は、人に人だけでなく、誰にも適用されます。111−1−1-10.80.80.8111555 私はこの質問を見てきましたが、答えを理解するには数学の面で十分ではありません。線形関係の強さについて語るこの回答は、私の理解ではあるが確かではないように思われる。

48 correlation  neuroscience 

私の質問/タイトルはあまり具体的ではないことを知っているので、それを明確にしようとします： 人工ニューラルネットワークの設計は比較的厳密です。もちろん、一般的に、それらは生物学の影響を受け、実際のニューラルネットワークの数学的モデルを構築しようとしますが、実際のニューラルネットワークの理解は正確なモデルの構築には不十分です。したがって、正確なモデルや、実際のニューラルネットワークに「近い」ものは考えられません。 私の知る限り、すべての人工ニューラルネットワークは実際のニューラルネットワークからはかけ離れています。生物学には、標準の古典的な完全に接続されたMLPは存在しません。リカレントニューラルネットワークには実際の神経可塑性がないため、RNNの各ニューロンには同じ「フィードバックアーキテクチャ」がありますが、実際のニューロンは情報を個別に保存および共有します。畳み込みニューラルネットワークは効果的で人気がありますが、（たとえば）人間の脳の画像処理はごく少数の畳み込み層で構成されていますが、最新のソリューション（GoogLeNetなど）はすでに数十層を使用しています... 、彼らは人間のパフォーマンスにも近くありません。特に、実際のニューラルネットワークと比較して、かなりの量のレイヤーとデータ削減が必要なため、「レイヤーごとのパフォーマンス」を考える場合。 さらに、私の知る限り、モジュール式の自己拡張/自己再構築人工ニューラルネットワークでさえ、実際のニューラルネットワークの巨大な適応性と比較してかなり「固定的かつ静的」です。生物学的ニューロンには通常、ニューロンを非常に多様な異なる領域や他のニューロンに接続する数千の樹状突起があります。人工ニューラルネットワークは、はるかに「単純」です。 それでは、人間の脳/実際のニューラルネットワークについて、人工ニューラルネットワークから学べることはありますか？それとも、古典的な静的アルゴリズムよりも優れたパフォーマンスを発揮するソフトウェアを作成しようとするだけなのでしょうか（あるいは、そのようなアルゴリズムが失敗するようなことをするのでしょうか）。 誰かがこのトピックに関する（できれば科学的な）情報源を提供できますか？ 編集：より多くの回答が高く評価されています（：

24 machine-learning  neural-networks  bioinformatics  artificial-intelligence  neuroscience 

私は、「クラスタは、コンピューティングとスケールでマッピング脳活動」と題した最近の雑誌の記事でPCAの使用を理解しようとしていますフリーマンら、2014（無料のPDF ラボのウェブサイトで入手可能）。彼らは、時系列データに対してPCAを使用し、PCAの重みを使用して脳のマップを作成します。 データは（と呼ばれる行列として記憶試験平均撮像データであるYを有する紙で）n個のボクセル（または脳の撮像位置）× Tの時点（脳への単一刺激の長さ）。Y^Y^\hat {\mathbf Y}nnn×t^×t^\times \hat t 彼らは、その結果SVD使用Y = U S V ⊤（V ⊤行列の転置を表すVを）。Y^=USV⊤Y^=USV⊤\hat {\mathbf Y} = \mathbf{USV}^\topV⊤V⊤\mathbf V^\topVV\mathbf V 著者は、 主成分（の列）長さのベクトルであり、T、及びスコア（の列Uは）長さのベクトルであるN個の対応するコンポーネントによって与えられた方向に各ボクセルの投影を説明する、（ボクセル数） 、ボリューム上に投影、つまり全脳マップを形成します。VV\mathbf Vt^t^\hat tUU\mathbf Unnn だから、PCは、長さのベクトルですトン。PCAのチュートリアルで一般的に表現されているように、「最初の主成分がほとんどの分散を説明する」と解釈するにはどうすればよいですか？多くの高度に相関した時系列のマトリックスから始めました-単一のPC時系列は元のマトリックスの分散をどのように説明しますか？私は「最も多様な軸への点のガウス雲の回転」のこと全体を理解していますが、これが時系列にどのように関係するかはわかりません。著者は、「スコア（Uの列）は長さnのベクトルである」と述べるとき、方向によって何を意味しますかt^t^\hat tUU\mathbf Unnn （ボクセルの数）、対応するコンポーネントによって与えられる方向への各ボクセルの投影を記述します」？主成分の時間経過はどのように方向を持つことができますか？ 主成分1と2の線形結合と関連する脳マップから得られる時系列の例を見るには、次のリンクに移動し、XYプロットのドットにマウスを合わせます。 2番目の質問は、主成分スコアを使用して作成する（状態空間）軌跡に関連しています。 これらは、（私は上に概説した「微細運動」の例の場合）を最初の2項目を取ることによって作成され、式により主要部分空間への（上記試験平均行列を作成するために使用される）は、個々の試験を投影している：J = U⊤Y。J=U⊤Y.\mathbf J = \mathbf U^\top \mathbf Y. リンクされた映画でわかるように、状態空間の各トレースは、脳全体の活動を表しています。 最初の2台のPCのスコアのXYプロットを関連付ける図と比較して、状態空間ムービーの各「フレーム」が何を意味するかについて、誰かが直感を提供できますか。実験の1回の試行がXY状態空間の1つの位置にあり、別の試行が別の位置にある特定の「フレーム」で何を意味しますか？映画のXYプロットの位置は、私の質問の最初の部分で述べたリンクされた図の主成分トレースとどのように関係しますか？

19 time-series  pca  state-space-models  neuroimaging  neuroscience 

ブログで次の説明を見つけましたが、相関関係の非推移性に関する詳細情報を取得したいと思います。 次の議論の余地のない事実があります。 平均して、男性と女性の間で脳容積に違いがあります IQと脳の大きさの間には相関関係があります。相関は0.33であるため、IQの変動の10％に相当します これらの前提1と2から、論理的には次のように思われる：平均して女性は男性よりも低いIQを持っている。しかし、それは誤りです！統計では、相関関係は推移的ではありません。証拠は、IQテストの結果を見るだけでよく、男性と女性のIQが平均して変わらないことを示しています。 この相関関係の非推移性をもう少し深く理解したいと思います。 IQと脳の大きさの相関関係が0.9だった場合（これは（1）ではないことを知っています）、男性よりも平均して女性のIQが低いと推測することはまだ誤解でしょうか？ どうか、IQ（およびテストの限界）、性差別、女性のステレオタイプ、慢などについて話をするためにここにいるのではありません（2）。誤justの背後にある論理的な理由を理解したいだけです。 （1）ネアンデルタール人の頭脳はホモサピエンスよりも大きかったが、賢くはなかった。 （2）私は女性であり、全体として、自分自身や他の女性の方が男性よりも賢くないと考えています。IQテストは気にしません。知的能力。 フランス語の元のソース： les faits indiscutables suivantsについて： il ya unedifférencede volumecérébralen moyenne entre hommes et femmes QIとボリューム・セレブラル全体の相関関係。相関係数0.33以下、10％の変動係数に対応 1回目と2回目はsembledécoulerlogiquement que：les femmes ont en moyenne un QIinférieuraux hommes。 Mais c'est une erreur de raisonnement！統計上、相関関係は一時的なものではありません。La preuve、c'est que pour en avoir lecœurnet、il suffit de relever les …

18 correlation  categorical-data  mean  descriptive-statistics  neuroscience 

Nature Neuroscienceの2013年のレビュー記事で、Button et al。停電：小さなサンプルサイズは、神経科学の信頼性を損なう理由は、それがあると述べました。 神経科学の研究の平均統計力は非常に低い 彼らはメタ分析を検索し、それぞれのポストホックパワーを計算し、中央値のポストホックパワーを取ることによって結果を組み合わせました。中央値は20％でした。わかりません。事後電力は、常に本質的に達成されたp値に関連付けられています。中央値のp値が〜0.3のようなもので、ポストホックパワーが20％であることを記述するのと同じではないでしょうか。 では、基本的に、この結果はどのように神経科学の研究の質を損なうのでしょうか？彼らは多くの有意でないp値を用いた研究を発表しているようです。 このレビューは非常に有名な著者によるNature Neuroscienceの研究なので、私の解釈には欠陥がある可能性が高いと思います。 編集：名目上の有意性のある研究のみが含まれているとしたら、ある点がわかるでしょう。その場合、中央値パワーは、重要な発見の中央値複製確率を示します。

7 p-value  meta-analysis  power  neuroscience  replicability