AbstractUtilizing advances in funct

Abstract
Utilizing advances in functional neuroimaging and computational neural modeling, neuroscientists have increasingly sought to investigate
how distributed networks, composed of functionally defined subregions, combine to produce cognition. Large-scale, biologically
realistic neural models, which integrate data from cellular, regional, whole brain, and behavioral sources, delineate specific hypotheses
about how these interacting neural populations might carry out high-level cognitive tasks. In this review, we discuss neuroimaging, neural
modeling, and the utility of large-scale biologically realistic models using modeling of short-term memory as an example. We present a
sketch of the data regarding the neural basis of short-term memory from non-human electrophysiological, computational and neuroimaging
perspectives, highlighting the multiple interacting brain regions believed to be involved. Through a review of several efforts, including
our own, to combine neural modeling and neuroimaging data, we argue that large scale neural models provide specific advantages in
understanding the distributed networks underlying cognition and behavior.

ผลลัพธ์ (ไทย) 1:

นามธรรม
ใช้ความก้าวหน้าในการทำงานและ neuroimaging ประสาทการสร้างแบบจำลองการคำนวณ, นักประสาทวิทยาได้พยายามมากขึ้นในการตรวจสอบเครือข่ายการกระจายวิธี
ประกอบด้วยภูมิภาคย่อยที่กำหนดไว้ตามหน้าที่รวมกันเพื่อผลิตความรู้ความเข้าใจ ขนาดใหญ่ทางชีวภาพ
รูปแบบของระบบประสาทมีเหตุผลซึ่งรวมข้อมูลจากโทรศัพท์มือถือระดับภูมิภาคสมองทั้งหมดและแหล่งที่มาของพฤติกรรมวิเคราะห์สมมติฐานที่เฉพาะเจาะจง
เกี่ยวกับวิธีการเหล่านี้ประชากรประสาทปฏิสัมพันธ์อาจดำเนินงานองค์ความรู้ระดับสูง ในการทบทวนนี้เราจะหารือ neuroimaging แบบจำลอง
ประสาทและยูทิลิตี้รุ่นมีเหตุผลทางชีวภาพขนาดใหญ่โดยใช้การสร้างแบบจำลองของหน่วยความจำระยะสั้นเป็นตัวอย่าง เรานำเสนอ
ร่างของข้อมูลที่เกี่ยวกับระบบประสาทพื้นฐานของหน่วยความจำระยะสั้นจากไม่ใช่มนุษย์ electrophysiological, การคำนวณและ neuroimaging มุมมอง
เน้นบริเวณสมองปฏิสัมพันธ์หลายเชื่อว่าจะมีส่วนร่วม ผ่านการทบทวนของความพยายามของหลายคนรวมทั้ง
ของเราเองเพื่อรวมการสร้างแบบจำลองของระบบประสาทและข้อมูล neuroimaging,เรายืนยันว่ามีขนาดใหญ่รูปแบบของระบบประสาทขนาดให้ประโยชน์เฉพาะในการทำความเข้าใจ
เครือข่ายกระจายความรู้ความเข้าใจพื้นฐานและพฤติกรรม

ผลลัพธ์ (ไทย) 2:

นามธรรม
ใช้ความก้าวหน้าใน neuroimaging ที่ทำงานและสร้างโมเดลประสาทคำนวณ neuroscientists ได้เรื่อย ๆ พยายามที่จะตรวจสอบ
วิธีการกระจายเครือข่าย ประกอบด้วยฟังก์ชันกำหนด subregions รวมประชาน ขนาดใหญ่ ชิ้น
จริงประสาทรุ่น ซึ่งรวมข้อมูลจากโทรศัพท์เคลื่อนที่ ภูมิภาค สมองทั้งหมด และแหล่งพฤติกรรม ไปเฉพาะสมมุติฐาน
เกี่ยวกับวิธีเหล่านี้ประชากรประสาท interacting อาจดำเนินงานในระดับสูงรับรู้ ในบทความนี้ เราหารือ neuroimaging ประสาท
โมเดล และยูทิลิตี้รุ่นใหญ่จริงชิ้นโดยใช้โมเดลของหน่วยความจำระยะสั้นเป็นตัวอย่าง เรานำเสนอการ
ร่างข้อมูลเกี่ยวกับประสาทพื้นฐานของหน่วยความจำระยะสั้นไม่ใช่มนุษย์คำนวณ electrophysiological และ neuroimaging
มุมมอง เน้นการโต้ตอบหลายสมองเชื่อว่ามีส่วนร่วมของภูมิภาค ผ่านการตรวจสอบของความพยายามหลาย รวมทั้ง
ของเราเอง การสร้างโมเดลประสาทรวมและข้อมูล neuroimaging เราโต้แย้งว่า รุ่นประสาทขนาดใหญ่ให้ประโยชน์เฉพาะใน
เข้าใจเครือข่ายแบบกระจายต้นประชานและพฤติกรรม

ผลลัพธ์ (ไทย) 3:

ความก้าวหน้าของการใช้ประโยชน์จาก
ซึ่งจะช่วยในการสร้างแบบจำลอง neuroimaging นวัตกรรมและเต็มไปด้วยประโยชน์ใช้สอยเกิน neuroscientists ได้พยายามที่จะตรวจสอบ
ซึ่งจะช่วยได้อย่างไรการกระจายเครือข่ายประกอบด้วยของ subregions เต็มไปด้วยประโยชน์ใช้สอยที่กำหนดมากขึ้นประกอบด้วยการผลิตทราบ ขนาดใหญ่ทางชีววิทยา
ที่สมจริงเกินรุ่นซึ่งผนวกรวมข้อมูลจากสมองทั้งในระดับ ภูมิภาค เซลลูลาร์และแหล่งพฤติกรรมวิเคราะห์ถึงเฉพาะข้อสมมุติ
เกี่ยวกับวิธีการประชากรเกินการติดต่อเหล่านี้อาจนำออกจากงานการเรียนรู้ระดับสูง ในการตรวจสอบนี้เราพูดคุยกันถึงการสร้างแบบจำลอง neuroimaging เกิน
และยูทิลิตีของรุ่นทางชีววิทยาที่สมจริงขนาดใหญ่โดยใช้การสร้างแบบจำลองของหน่วยความจำระยะสั้นเป็นตัวอย่าง เราอยู่ที่
ตามมาตรฐานภาพ สเกตช์ของข้อมูลที่เกี่ยวข้องกับพื้นฐานของหน่วยความจำที่เกินระยะสั้นจากมุมมองนวัตกรรมและ neuroimaging
ไม่ใช่มนุษย์ electrophysiological เน้นพื้นที่สมองการติดต่อหลายคนที่เชื่อว่ามีส่วนร่วม. ผ่านการตรวจสอบของความพยายามหลายอย่างรวมถึง
ซึ่งจะช่วยเราเองเพื่อรวมข้อมูลและการสร้างแบบจำลอง neuroimaging เกินเราให้เหตุผลว่ารุ่นเกินขนาดใหญ่จัดให้บริการประโยชน์เฉพาะในลักษณะการทำงานและทราบ
ซึ่งจะช่วยทำความเข้าใจเครือข่ายการกระจายพื้นฐาน