认识计算神经科学中目标的多样性
神经元与认知
2020-02-11 v1
摘要
在计算神经科学内部，与建模者的非正式交流常揭示出极为不同的目标。在这篇观点文章中，我们明确探讨驱动并最终影响建模工作的目标之多样性。我们认为，广泛 range 的目标都可以被有意义地视为最为重要。一项在互联网上进行的简单非正式调查证实了该群体中目标的多样性。然而，个体研究者的不同优先级或偏好可能导致不同的模型评价标准。我们提出，在评价计算研究价值时的许多分歧源于目标差异，而非源于构建、描述和验证模型的机制。我们建议作者在提出模型时明确陈述其目标，以便他人能依据所述目标评判研究质量。
引用
@article{arxiv.2002.03211,
title = {Appreciating the variety of goals in computational neuroscience},
author = {Konrad P. Kording and Gunnar Blohm and Paul Schrater and Kendrick Kay},
journal= {arXiv preprint arXiv:2002.03211},
year = {2020}
}
备注
Accepted for publication in Neurons, Behavior, Data Analysis, and Theory