来源：CPDA数据分析师网 / 作者：数据君
从19世纪后半叶开始有关于梦的科学研究，但他们的研究重点是精神分析学
他们还依赖参加研究的人们所报告的梦境经历。尽管如此，还是有一些严肃的统计研究以这种方式进行。
真正的突破发生在20世纪，是各种诊断技术的发明，例如：
脑电图（EEG）
心电图（ECG）
脑电图（ENG）
眼电图（EOG）
肌电图（EMG）
通过称为多导睡眠图的程序，将这些结合起来以研究处于睡眠状态的人
另一个关键时刻是快速眼动睡眠（REM睡眠）的发现，在此睡眠阶段，大脑表现出与苏醒状态类似的活动，而这正是大多数梦境发生的时间，涉及多导睡眠图（和其他诊断方法）的科学梦研究在解释梦的特征方面已经走了很长的路，例如，梦强调视觉体验，第一人称本质，缺乏逻辑以及我们经常强烈的情绪梦想中的经验。
CPDA数据分析师
也有许多理论提出人们（和一些动物）做梦的原因，包括：
1、没有功能-梦是无意义或无目的的唤醒神经动作的残余。
2、连续性–我们的梦想序列会遵循唤醒生命的过程。
3、心理个人主义–做梦会增强物种的典型行为，并有助于一个人的个性。
4、情绪调节–梦想可以帮助我们保持情绪基础和稳定。
5、内存合并–我们梦想协助记忆过程。
6、威胁模拟–梦想可以帮助我们为面临威胁的情况做好准备（因此，我们梦night以求的奔跑，跌倒和冲突）。
发现梦想的功能并不是科学家仍然试图破解梦想代码的唯一原因。一些人认为，研究梦想还可以帮助为情绪，心理和精神疾病，PTSD和其他疾病苦苦挣扎的人们找到治疗方法和药物。
大梦数据和机器学习
关于梦的历史研究的最大问题之一是可用于任何类型研究的参与者和梦的数量有限。最近，有一些旨在创建大型梦想数据库的项目，公开可用的数据库，其中包含超过24,000个梦想报告，这些报告是在近七十年的时间里收集的，这些报告是来自世界各地的科学研究的一部分，今年八月构建了一种用于分析整个数据库的算法，并通过手工标注的梦想报告进行了验证，该算法的成功率高达76％，在梦想中获得了积极，消极的感觉的比率，攻击性的水平等等，研究小组认为，可以以此为基础，通过获取患者梦境的报告，帮助心理健康专业人员识别潜在的有害发展。
另一个希望创建更大的数据集以进行梦分析的项目是“阴影：梦想者社区”应用程序
该应用程序创建神经生物学到临床心理学等领域的数据挖掘人员组成类似的知名机构，来自世界各地的成千上万的梦想报告的含义，不仅使全世界的睡眠和梦想科学家兴奋不已，机器学习在研究梦中最有趣的应用之一必须是2013年的一项研究，其中一个团队在数据上训练了线性支持向量机，以尝试找出睡眠期间的视觉皮层活动是否可以预测参与者的梦想。用最简单的话说，研究表明，在睡眠中看到事物与我们在视觉上感知处于清醒状态的物体的方式相匹配。
在定量分析对于发现新发现至关重要的领域中，大数据和机器学习必将发挥更大的作用
由于它（对大多数人而言）具有更深奥的性质，因此梦想科学可能晚一些。但毫无疑问，这些方法将使它进一步发展。
网友评论