神经系统和大数据，新的降维算法让大脑变得简单。为了解释神经元的活动，Cunningham描述了许多研究大量神经元集体活动的科学动机，并提出了一种称为降维的机器学习算法。近年来，降维让我们深入了解大脑如何区分不同的气味，如何在不确定的情况下做出决定，以及在没有实际行动时思考移动四肢。Yu和Cunningham提倡将降维作为一种标准的分析方法，这将更容易比较健康和异常大脑的活动模式，最终改善脑损伤和脑功能障碍的治疗和干预。“神经科学的核心原则之一是大量神经元协同产生大脑功能，”CMU电气与计算机工程和生物医学工程助理教授、CNBC教员Yu说。分析一个或两个神经元。要了解大量神经元如何相互作用，降维等高级统计方法可以解释这些大规模的神经记录。”降维的真正思想是使用较少的潜在或隐藏变量来概括大量的活动神经元的降维研究方法对于揭示大脑的内部运作非常有用，例如当我们冥想或解决心理数学难题时，所有活动都发生在大脑内部而不是外部世界。通过这些潜在变量可以用来映射思维路径。CU统计学助理教授坎宁安在文章中说，“科学研究的主要目标是用简单的术语解释复杂的现象。传统的神经科学家旨在寻找简化单个神经元的方法。但他们现在越来越认识到，神经元在其活动模式中表现出各种各样的特征，这些特征很难通过检查单个神经元来解释。降维为我们提供了一种方法来包含单个神经元的异质性，并基于神经元之间的相互作用来寻找简单的解释。”尽管与现有的分析方法相比，降维在神经科学中相对较新，但它已显示出巨大的潜力和前景。随着神经记录技术的不断发展和美国“BRAINInitiative”的开展，大数据将变得越来越庞大，使用降维及相关方法将成为必不可少的数据处理方法。
