机构名称：
¥ 1.0
有意义且简化的神经活动表示可以洞悉神经回路中信息的处理方式和处理内容。然而，如果没有标签，找到揭示大脑和行为之间联系的表示可能具有挑战性。在这里，我们介绍了一种用于学习解开神经活动表示的新型无监督方法，称为 Swap-VAE。我们的方法将生成建模框架与特定于实例的对齐损失相结合，试图最大化输入（大脑状态）的转换视图之间的表示相似性。这些转换（或增强）视图是通过丢弃神经元和随时间抖动样本来创建的，直观地说，这应该会使网络获得一种表示，该表示既保持时间一致性，又对用于表示神经状态的特定神经元保持不变。通过对来自不同灵长类动物大脑中数百个神经元的合成数据和神经记录进行评估，我们表明可以构建表示，以沿着与行为相关的潜在维度解开神经数据集。
一种产生神经活动的自监督方法
主要关键词
相关文件推荐
