机器学习已经成为一个重要的研究领域，它使机器能够检测复杂的模式，创建模型，并解决现实世界中不同领域的工程应用问题，包括神经科学。

我们在多种尺度上收集和生成海量神经数据的能力日益增强，这就要求机器学习和其他生物启发技术提取有用的信息，以便更好地理解大脑中的信息处理，并有可能揭示生物机制。虽然神经数据的信息极其丰富，但由于其固有的时空组织以及数据的缺失或噪声，也给机器学习技术带来了一些限制。机器学习和神经科学的协同作用有可能为下一代大脑激发的机器学习和计算模型创造机会。

本期特刊的目的是将来自机器学习和计算神经科学社区的研究人员聚集在一起，讨论机器学习方法如何增强我们分析和建模神经数据的方式。特刊旨在收集高质量的研究论文，报告最近的发展、想法、方法和经验发现，这些有潜力促进合作和扩大我们在这个领域的知识。总结最新技术的综述文章也很受欢迎。

可能的主题包括但不限于以下内容:

• 利用可解释的机器学习算法对神经活动进行解码、分析和建模
• 应用深度学习对大脑活动和功能的神经机制进行分析和建模
• 神经科学中大量数据集机器学习的框架和系统
• 启发大脑的无监督和半监督学习算法
• 机器学习算法的神经形态实现和架构