AI 模型破译个体中隐藏的大脑模式

快速阅读: 《AZoAI》消息，MARBLE是一种研究方法，它利用几何深度学习来解释神经群体的动力学。该方法首先将神经活动在潜在流形上表示，并通过矢量场和最近邻图进行建模。接着，动力学被分解为低频特征（LFFs），并通过几何深度神经网络映射到潜在空间。模型通过无监督对比学习进行训练，使相邻的LFFs更接近，而非相邻的则更远离。这种方法有助于理解跨数据集的动力学重叠关系。

不同试验（用颜色表示）中的神经活动在潜在流形上演变。
动力学的矢量场表示法。神经状态间的最近邻图近似未知流形。
矢量场可选地通过可训练的矢量扩散进行去噪，该扩散通过对齐附近矢量（通过平行传输）同时保持固定点结构来实现。
动力学被分解为LFFs。
通过几何深度神经网络将LFFs逐个映射到潜在空间。该模型基于相似的LFFs推断跨数据集的动力学重叠关系。
该模型有三个步骤：使用p阶梯度滤波器从LFFs中提取特征；（可选）转换为旋转不变特征以实现与嵌入无关的表示（否则，表示是嵌入感知的）；并通过多层感知器将特征映射到潜在空间。
利用流形上的连续特性，网络使用无监督对比学习进行训练，将相邻的LFFs映射得更近，并将非邻居（无论是流形内部还是跨流形）映射得更远。

研究：MARBLE：使用几何深度学习解释神经群体动力学的表示

(以上内容均由Ai生成)