{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,6,9]]，“日期时间”：“2024-06-09T13:30:35Z”，“时间戳”：1717939835380}，“参考计数”：0，“出版商”：“麻省理工学院出版社”，“isbn-type”：[{“值”：“9780262294188”，“类型”：”电子“}]，“内容域”：域“：[]，”交叉标记限制“：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2006,12,22]]}，“abstract”：“实验和理论神经科学家使用贝叶斯方法分析感知、决策和运动控制的大脑机制<\/jats:p>\n贝叶斯方法有助于在多个层面上理解大脑，通过对理想感觉系统应如何结合先验知识和观察进行规范性预测，通过对大脑回路的动态功能提供机械解释，并提出最佳的实验数据破译方法。贝叶斯大脑汇集了实验和理论神经科学家的贡献，他们根据贝叶斯估计的概念研究了感知、决策和运动控制的大脑机制。在概述了理解所讨论方法的基本数学概念（包括贝叶斯定理）之后，贡献者讨论了贝叶斯概念如何用于解释神经棘波和功能性脑成像等神经生物学数据。接下来，作者研究了感官处理的建模，包括外部世界信息的神经编码。最后，贡献者探索了正确行为的动态过程，包括感知决策的速度和准确性的数学以及信念传播的神经模型<\/jats:p>“，”DOI“：”10.7551\/mitpress\/9780262042383.001.0001“，”type“：”edited-book“，”created“：{”date-parts“：[[2013,10,10]]，”date-time“：”2013-10T02:24:56Z“，”timestamp“：1381371896000}，”source“：“Crossref”，”is-referenced-by-count“：116，”title“：[”Bayesian Brain“]，”前缀“：”107551“，”member“：”281“，“container-title”“：[]，”原文标题“：[[]，”语言“：”en“，”deposed“：{“date-parts”：[[2024,1,31]]，“date-time”：“2024-01-31T15:21:06Z”，“timestamp”：1706714466000}，“score”：1，“resource”：{主要“URL”：“https:\/\/direct.mit.edu\/books\/book\/2884\/Baysian-BrainProbabilistic-Approachs-to-Neural”}，”次要“：[{”URL“：”http://\/mitpres.universitypressscholarship.com/view\/10.7551\/mitpress\/9780262042383.001.0001\/upso-978026202428383“}]}，“副标题”：[“神经编码的概率方法”]，“编辑器”：[{“给定”：“Kenji”，“家族”：“Doya”，”sequence“：”first“，”affiliation“：[]}]}，{“给定”：“Alexandre“，”family“：”Pouget“，”sequence“：”additional“，”affiliation“：[]}，”{“given”：”Rajesh P.N.“，”家族“：”Rao“，”sequence“:”additionable“，”filiation”：[]2]，“short title”：[]，“issued”：{“date-parts”：[[2006,12,22]]}、“ISBN”：[“9780262294188”]，“references-count”：0，“URL”：“http://\/dx.doi.org\/10.7551 \/mitpress\/9780262042383.001.0001“，”关系“：{}，”主题“：[]，”发布“：{“日期部分”：[[2006,12,22]]}}