第5届机器学习与神经影像解释（MLINI）研讨会（NIPS 2015）论文集
机器学习
2016-05-17 v1
摘要
本卷收录了神经信息处理系统（NIPS 2015）会议上机器学习与神经影像解释（MLINI）第5届研讨会的投稿。在快速发展的机器学习领域中开发的现代多元统计方法正日益应用于神经影像中的各种问题，从认知状态检测到临床诊断与预后。多元模式分析方法旨在考察高维信号（如脑图像）与关注结果（如刺激类别、被试心理状态类型或特定精神障碍）之间的复杂关系。此类技术不同于过去主导神经影像的传统海量单变量（mass-univariate）方法，后者孤立地处理每个独立的成像测量。我们相信机器学习在塑造神经科学问题的提出方式上起着突出作用，且机器学习思维定式正进入现代心理学与行为研究。同样重要的是，这些领域的实际应用激励了机器学习界中快速演进的研究路线。与此同时，人们对于在丰富的自然环境和场景背景下了解更多脑功能抱有浓厚兴趣。人们努力超越精确定位单一功能的高度特定范式，转向测量与自然及更多样场景交互的方案。该研讨会的目的是指明神经科学、神经影像、心理学和机器学习领域中最紧迫的问题与共同挑战，并依据新方法勾勒未来方向与开放问题。
引用
@article{arxiv.1605.04435,
title = {Proceedings of the 5th Workshop on Machine Learning and Interpretation in Neuroimaging (MLINI) at NIPS 2015},
author = {I. Rish and L. Wehbe and G. Langs and M. Grosse-Wentrup and B. Murphy and G. Cecchi},
journal= {arXiv preprint arXiv:1605.04435},
year = {2016}
}