机构名称：
¥ 1.0
神经动力学可以反映内在动力学或动态输入，例如感觉输入或来自其他大脑区域的输入。为了避免将时间结构化的输入误解为内在动力学，神经活动的动力学模型应该考虑测量的输入。然而，在神经 - 行为数据的联合动力学建模中，纳入测量的输入仍然难以实现，这对于研究行为的神经计算很重要。我们首先展示了在考虑行为但不考虑输入或考虑输入但不考虑行为的情况下训练神经活动的动力学模型可能导致误解。然后，我们开发了一种线性动力学模型的分析学习方法，该方法同时考虑神经活动、行为和测量的输入。该方法能够优先学习内在的行为相关神经动力学，并将它们与其他内在动力学和测量的输入动力学分离。在具有固定内在动力学的模拟大脑执行不同任务的数据中，该方法无论任务如何都能正确地找到相同的内在动力学，而其他方法可能会受到任务的影响。在来自三名受试者的神经数据集中，他们使用任务指令感官输入执行两项不同的运动任务，该方法揭示了其他方法所遗漏的低维内在神经动力学，这些动力学更能预测行为和/或神经活动。该方法还独特地发现，内在行为相关的神经动力学在不同的受试者和任务中大致相似，而整体神经动力学则不同。这些输入驱动的神经行为数据动力学模型可以揭示可能被遗漏的内在动力学。
驱动神经群体动力学潜在行为
主要关键词
相关文件推荐
