STATS320:用于神经数据分析的机器学习方法 交叉列出为NBIO220和CS339N 授课教师:Scott Linderman教授2021年冬季区斯坦福大学 课程说明: 借助现代的高密度电极和光学成像技术,神经科学家通常可以同时测量数百个(即使不是数千个)细胞的活性。 结合高分辨率的行为测量,遗传测序和连接组学,这些数据集提供了前所未有的机会来学习神经回路的功能。 本课程将研究用于分析此类数据集的统计机器学习方法,包括:尖峰排序,钙反卷积和电压平滑技术,用于从原始数据中提取相关信号; 用于评估行为视频中动物姿势的无标记跟踪方法; 连接组学和功能磁共振成像数据的网络模型; 用于分析高维神经和行为时间序列的状态空间模型; 神经脉冲串的点过程模型; 以及用于神经编码和解码的深度学习方法。 我们将开发这些模型和算法背后的理论,然后将它们应用于课堂内编码实验室和最终项目中的实际数据集。