#NeuroRA 从多模态神经数据进行表示分析的Python工具箱 概述 代表性相似性分析（RSA）已成为一种流行的有效方法，用于测量不同模式下多变量神经活动的代表性。 NeuroRA是一个基于Python的易于使用的工具箱，可以在几乎所有种类的神经数据中完成有关RSA的一些工作，包括行为，EEG，MEG，fNIRS，sEEG，ECoG，fMRI和其他一些神经电生理数据。 此外，用户可以在NeuroRA上进行神经模式相似度（NPS） ，时空模式相似度（STPS）和受试者间相关度（ISC） 。 安装 点安装神经元 纸 Lu，Z.，＆Ku，Y.（2020年）。 NeuroRA：来自多模式神经数据的表示分析的Python工具箱。 神经信息学前沿。 14：563669。 doi：10.3389 / fninf.2020.563669 网站及使用方法 在查看更多详细信息。 您可以在阅读或在下载

matlab迎风格式代码

这项工作包括用于分析神经科学界使用的几种常用行为任务的自动化例程。 我们自动评分：巴恩斯迷宫、社交互动、空间物体识别、恐惧条件反射、零迷宫、y 型迷宫、旷场和莫里斯水迷宫。 请访问www.seas.upenn.edu/~molneuro/autotyping.html了解更多信息。

人工智能-机器学习-计算神经科学中的若干模型与方法.pdf

本教程展示了神经科学家如何使用 MATLAB 分析神经信号。 这包括以下方面的最佳实践1.阅读各种神经数据2.表示时间序列数据3. 过滤、平滑、重采样数据4. 使用 PCA 和高斯混合模型聚类波形5. 频域和时频分析 对于那些刚开始编程的人，可以使用 MATLAB 信号分析器应用程序完成几个步骤 - 一个生成代码的点击式界面。 对于中级程序员，本教程可以作为更复杂的信号处理和分析工作流程的起点对于专家来说，这是一个很好的教程，用于教授神经信号分析的基础知识 要运行此实时脚本，请检查您是否拥有学校或大学的 MATLAB 许可证。 如果没有，您可以下载 30 天的免费试用版。

利用MatlabPsytoolbox设计心理学实验，内含源码教程（有截图）、设计流程、以及实验结果。非常感谢您的观看，上传的资源全部是免费下载，欢迎您来我主页看看，请您关注一下新人，我会非常努力的更新您需要的东西。

9.10 卷积网络的神经科学基础 卷积网络也许是生物学启发人工智能的 为成功的案例。虽然卷积网络也经过 许多其他领域的指导，但是神经网络的一些关键设计原则来自于神经科学。 卷积网络的历史始于神经科学实验，远早于相关计算模型的发展。为了确定关 于哺乳动物视觉系统如何工作的许多 基本的事实，神经生理学家 David Hubel 和 Torsten Wiesel 合作多年 (Hubel and Wiesel, 1959, 1962, 1968)。他们的成就 终获 得了诺贝尔奖。他们的发现对当代深度学习模型有 大影响的是基于记录猫的单个 神经元的活动。他们观察了猫的脑内神经元如何响应投影在猫前面屏幕上精确位置 的图像。他们的伟大发现是，处于视觉系统较为前面的神经元对非常特定的光模式 （例如精确定向的条纹）反应 强烈，但对其他模式几乎完全没有反应。 他们的工作有助于表征大脑功能的许多方面，这些方面超出了本书的范围。从 深度学习的角度来看，我们可以专注于简化的、草图形式的大脑功能视图。 在这个简化的视图中，我们关注被称为 V1 的大脑的一部分，也称为初级视觉 皮层（primary visual cortex）。V1 是大脑对视觉输入开始执行显著高级处理的第一 个区域。在该草图视图中，图像是由光到达眼睛并刺激视网膜（眼睛后部的光敏组 织）形成的。视网膜中的神经元对图像执行一些简单的预处理，但是基本不改变它 被表示的方式。然后图像通过视神经和称为外侧膝状核的脑部区域。这些解剖区域 的主要作用是仅仅将信号从眼睛传递到位于头后部的 V1。 卷积网络层被设计为描述 V1 的三个性质： 1. V1可以进行空间映射。它实际上具有二维结构来反映视网膜中的图像结构。例 如，到达视网膜下半部的光仅影响 V1 相应的一半。卷积网络通过用二维映射 定义特征的方式来描述该特性。 2. V1 包含许多简单细胞（simple cell）。简单细胞的活动在某种程度上可以概括

从计算机到人脑：计算神经科学基础，计算神经科学基础

利用MatlabPsytoolbox设计心理学实验，内含源码教程（有截图）、设计流程、以及实验结果。非常感谢您的观看，我上传的资源全部是免费下载，欢迎您来我主页看看，请您关注一下新人，我会非常努力的更新您需要的东西。

Neuroscience Exploring the Brain 神经科学探索脑，第三版及第四版书籍