读书笔记之-Analyzing Neural Time Series Data 1、2
读书笔记之-Analyzing Neural Time Series Data 1、2
- 1.1 什么是认知电生理学(Cognitive Electrophysiology)
- 1.6 数据样本和在线代码
- 2.1 为什么脑电图(EEG)会成为研究神经认知过程的特殊工具?
- 2.2 Why not EEG
- 2.4 事件相关电位(ERPs)的优势
- 2.5 ERPs的局限性
- 2.6 基于时频方法的优点
- 2.7 基于时频方法的局限性
- 2.8 2.9 脑电图的精度,分辨率和准确性
记录一下这本书的学习。
前两章主要是书本的介绍和一些概念的介绍,比较简略。
1.1 什么是认知电生理学(Cognitive Electrophysiology)
认知电生理学是研究认知功能(包括知觉、记忆、语言、情绪、行为监测 / 控制和社会认知)是如何由神经元群产生的电活动支持或实现的。
(1)研究认知过程
电生理学比反应时间或内省自我报告等行为测量更敏感,能够更好地分离认知过程及其子成分。
(2)研究神经网络的功能特性
电生理学是对神经群体水平活动的直接测量,可以将人类研究与神经生物学和神经生理学的计算模型联系起来,并为跨物种比较提供了机会。
1.6 数据样本和在线代码
代码下载: code_link.
2.1 为什么脑电图(EEG)会成为研究神经认知过程的特殊工具?
Electroencephalogram(EEG)
- 认知、知觉、语言、情感和运动过程都是快速的。大多数认知过程发生在几十到几百毫秒内。EEG这样的高时间分辨技术非常适合捕捉这些快速、动态和时间顺序的认知事件。
- 同时,脑电图所测的电压波动是直接反映神经元群水平上的生物物理现象。此外,脑电图信号中可以观察到的振荡是大脑皮层神经振荡的直接反映。
- 脑电图信号是多维的,至少包括四个维度:时间、空间、频率和功率的强度和相位。
2.2 Why not EEG
EEG不太适合精确功能定位重要的研究,也不太适合测试关于脑深部结构的假设。
2.4 事件相关电位(ERPs)的优势
Event-Related Potentials(ERPs)
- ERP计算简单、快速,需要的分析假设或参数很少
- 高时间精度和准确度
- 理论支持文献丰富
- 计算速度快且易于查看,它们为单一主体数据提供了快速而有用的数据质量检查。
2.5 ERPs的局限性
- 解释无效结果,在科学上无效结果通常很难解释,但ERP中缺乏显著的条件差异比时频表示的无效结果更难解释。这是因为ERP揭示的信息相对较少。
- 它提供了有限的机会将结果与生理机制联系起来。这是因为产生振荡的神经生理机制相比,产生ERP的神经生理机制还没有得到很好的理解。
2.6 基于时频方法的优点
- 许多基于时频分析的结果可以用神经振荡的神经生理机制来解释。
- 振荡被认为是连接神经科学中多个学科和多个物质的发现的最优希望的桥梁。
- 如果你认为脑电图数据捕捉的是大脑处理过程中的一个动态多维空间,那么erp就会揭示这个空间的一小部分,而基于时间频率的分析则会揭示更多(尽管不是全部)这个空间。因此,EEG数据中可能存在许多与任务相关的动态,而这些动态只能通过基于时频的方法进行检索(见图2.2)。
2.7 基于时频方法的局限性
- 基于时间频率的方法有两个主要的限制。首先是时频分解导致的时间精度降低。这是节律性信号分析的一般性质,并非脑电图所特有。时间精度损失多少取决于频带(频率越低,时间精度损失越大)和分析中使用的参数。
- 由于有大量的复杂的分析可以应用于脑电图数据,新手很难入门。如此多样化的分析增加了执行次优、不适当或不正确的分析或对分析不良的结果作出不适当解释的可能性。与此相关的是,随着分析和比较的数量增加,统计分析和多次比较修正的表面复杂性也在增加。“分析瘫痪”的危险增加了,这意味着研究人员陷入困境,不断地用不同的参数进行新的分析,同时忽视了研究的目的。
2.8 2.9 脑电图的精度,分辨率和准确性
精度(precision)、分辨率(resolution)和准确性(accuray)之间的差异虽然细微,但很重要(参见图2.4中的说明性定义)。分辨率是指单位时间内的数据样本数量(图2.4中的点数),精度是指每个时间点测量的确定性(图2.4中点之间的空间距离),准确度是指脑电图信号的时间与导致脑电图信号的生物物理事件的时间之间的关系(图2.4中点到靶心的距离)。
脑电图的时间分辨率由采集的采样率决定。它通常在每秒几百到几千个样本之间。时间分辨率允许提取特定频段的信息。
时间分辨率和时间精度之间的区别是很重要的:时频分析需要高时间分辨率的数据,但在获得时频结果后,时间精度往往很低,以至于结果可以下采样。时间精度取决于所应用的分析、所选择的参数和频段(频段越高,时间精度越高)。当分析结果的时间精度降低时,通常可以降低时间分辨率来匹配时间精度。
脑电图的时间准确度非常高,因为脑电活动从产生电场的神经元到测量这些电场的电极是瞬间(在可能的测量范围内)传播的。尽管EEG具有较高的时间精度、分辨率和准确率,但其空间精度、分辨率和准确率均低于fMRI等高空间分辨率成像技术。
读书笔记之-Analyzing Neural Time Series Data 1、2相关推荐
- Analyzing Neural Time Series Data 读书笔记6
Analyzing Neural Time Series Data 第六章读书笔记 仅做学习记录 6 Practicalities of EEG Measurement and Experiment ...
- Analyzing Neural Time Series Data 读书笔记3
Analyzing Neural Time Series Data 第三章读书笔记 仅做学习记录 3 Interpreting and Asking Questions about Time-Freq ...
- Python Crash Course读书笔记 - 第16章:DOWNLOADING DATA
本章首先探索在线公开数据源.然后介绍CSV和JSON格式数据的处理,并分别用Matplotlib和Plotly做可视化. CSV文件格式 CSV(comma-separated values)格式,正 ...
- Python Crash Course读书笔记 - 第15章:GENERATING DATA
数据可视化是指通过可视化的手段探索数据,和数据分析紧密关联.通过代码来探索数据集的模式. 和显示酷炫的图片无关,而是让用户之前并不知道的数据含义和模式. Python被广泛应用于遗传学,气候研究,政治 ...
- mysql数据应用从入门_MYSQL数据库应用从入门到精通----读书笔记
mysql 1.创建数据库 create database database_name; 2.查看数据库 show database_name; 3.选择数据库 use database_name; ...
- 《Python神经网络编程(Make Your Own Neural Network)》读书笔记
声明 这是作者在CSDN上的第二篇博客,关于阅读塔里克·拉希德的著作<Python神经网络编程(Make Your Own Neural Network)>之后的读书笔记.跟诸位大牛相比, ...
- 《Cloud Native Data Center Network》读书笔记-1
<Cloud Native Data Center Network>读书笔记-1 2019年的一本书,云原生数据中心网络入门书籍,作者 Dinesh G. Dutt 是一家网络公司的首席科 ...
- 《Data Algorithm》读书笔记十一— 使用马尔科夫模型的智能邮件营销
<Data Algorithm>读书笔记十一 - 使用马尔科夫模型的智能邮件营销 1. 智能邮件营销 是什么? 根据顾客的交易历史观测(其实就是推测) "下一个智能邮件营销日期& ...
- 《BIG DATA大数据日知录 架构和算法》读书笔记
2019独角兽企业重金招聘Python工程师标准>>> <BIG DATA大数据日知录 架构和算法>读书笔记 博客分类: 架构 分布式计算 1.数据分片和路由 Hash ...
最新文章
- Selenium2(WebDriver)总结(二)---Firefox的firebug插件参数设置(补充)
- 记一次阿里云日志服务配置
- 如何关闭Visual Assist?
- 趣链 BitXHub跨链平台 (4)跨链网关“初介绍”
- jquery验证手机号码和邮箱地址例子
- 怎样正确使用和维护微型计算机,下篇:微型计算机应该怎样进行维护与保养
- MATLAB(五)在线性代数中的应用
- 产品经理装逼词汇大全
- LeetCode 80. Remove Duplicates from Sorted Array II
- 6. JavaScript HTML DOM
- Shell中的变量替换
- python爬虫动态加载_简单Python爬虫,动态加载问题
- 个人电脑防止被入侵的设置方法。
- 作为一个Java开发者,java常用算法手册pdf
- 大数据技术原理与应用(第八章HBase测试)
- 我只写注释 —— 让Ai写代码
- 关于打印出来的字符串,最后的逗号改为句号的解决办法
- 国足2-0击败菲律宾,重获出线主动权,下次对战叙利亚做了哪些准备?
- tumblr_使用Google Analytics(分析)获取有关您的Tumblr博客的详细统计信息
- 遗传算法,vector