贝叶斯统计的理论框架通常被认为是具有直观吸引力的模型，用于表示和处理大脑中的不确定信息。本项目利用贝叶斯统计模型来研究神经元之间的Hebbian突触连接：
1）在突显的稀疏活动皮质中对突触贝叶斯-赫比学习规则进行基准测试联想记忆和/或流行模式识别/机器学习任务；
2）用贝叶斯学习预训练的尖峰神经网络模型的仿真和分析算法；研究贝叶斯学习对网络动力学和功能的意义。
科研力PLUS
参考课题
神经网络模型中的贝叶斯学习
项目亮点
01名校导师指导
本科毕业于国内Top2大学生命科学专业，后获得麻省理工学院全额奖学金进行博士深造。专注神经科学，生物科学和基因治疗方向的研究。学术成果累计发表在包括在内的顶级国际学术期刊，并多次在国际会议上做口头和poster报告并获奖。具有丰富的辅导和指导本科生的经验。
02高质量科研产出
●项目结业证书
●表现优异者在征得导师同意后可获得推荐信
●一篇国际英文会议论文或国际普通期刊论文（如EI、SCOPUS、CPCI等）
项目安排
15个课时，导师每周授课一次，约15周完成
●开题阶段
学习相关文献，选定研究领域，确定研究框架和论文主题；课时：预计1-3个
●科研阶段
根据论文主题深入阅读和学习相关文献，确定研究方法，学习各类软件（如Python、SPSS、R、Stata、Matlab、Endnote、Latex等）应用于数据处理和文章写作；课时：预计8-10个
●写作阶段
集中写作，调整格式，准备投稿；课时：预计2-4个
●投稿阶段
根据论文质量、完稿时间和论文主题，确定会议/期刊，进行投稿。