机构名称：
¥ 1.0
能够在大脑中同时记录数百个神经元的活动的能力，对开发适当的统计技术的需求不断增长。最近，已经提出了深层生成模型来满足神经种群的反应。尽管这些方法具有灵活性和表现力，但缺点是它们很难解释和识别。为了解决这个问题，我们提出了一种整合潜在模型和传统神经编码模型的关键成分的方法。我们的方法PI-VAE的灵感来自于识别可鉴定的变异自动编码器的最新进展，我们适应适合于神经科学应用。特别是，我们建议构建神经活动的潜在变量模型，同时对潜在变量和任务变量之间的关系进行建模（非神经变量，例如感觉，运动和其他外部可观察的状态）。任务变量的合并导致不仅受到更大约束的模型，而且还显示出可解释性和识别能力的定性改进。我们使用合成数据验证PI-VAE，并将其应用于大鼠海马和猕猴运动皮质的神经生理数据集。我们证明了PI-VAE不仅可以更好地拟合数据，而且还提供了对神经代码结构的意外新颖见解。
学习...
主要关键词
相关文件推荐
