机构名称：
¥ 1.0
大脑如何表示不同的信息模式？我们能否设计一个可以自动理解用户想法的系统？我们可以通过研究功能性磁共振成像 (fMRI) 等设备的大脑记录来回答这些问题。大脑编码问题旨在根据刺激自动生成 fMRI 大脑表征。大脑解码问题是根据 fMRI 大脑表征重建刺激的逆问题。在过去的二十年里，大脑编码和解码问题都得到了详细的研究，研究这些解决方案的最大吸引力在于它们可以作为认知科学和认知神经科学基础研究的附加工具。最近，受深度学习模型在自然语言处理和计算机视觉方面的有效性的启发，此类模型也已应用于神经科学。在本教程中，我们计划详细讨论不同类型的刺激表征以及流行的编码和解码架构。本教程将提供最先进的编码和解码方法的工作知识、对文献的透彻理解以及对使用深度学习进行编码/解码的优点和局限性的更好理解。能够准确预测大脑活动的编码模型在神经系统疾病的评估和诊断方面具有多种实际应用，因此也有助于设计治疗脑损伤的方法。可逆编码模型能够有条理地制定大脑解码模型，进而有助于设计脑机或脑机接口。预训练深度网络模型使用方面的最新进展使我们能够将其用作大脑解码任务的先验。深度学习模型不仅有助于提高准确性，而且还提供了跨一系列任务和领域进行解码的灵活性。
深度学习用于大脑编码和解码
主要关键词
相关文件推荐
