动态灵活推断神经人口活动中非线性潜伏因素和结构的动态推断
Hamidreza Abbaspourazad1, Eray Erturk1, Bijan Pesaran2
1Ming Hsieh Department of Electrical and Computer Engineering, Viterbi School of Engineering, University of Southern California, Los Angeles, CA, USA.
Nature biomedical engineering
|December 11, 2023
概括
研究人员开发了DFINE,这是一种用于分析复杂神经活动的新计算模型. 这种非线性嵌入 (DFINE) 模型的动态灵活推断允许灵活推断神经群体动态,即使有噪音或缺失数据.
科学领域:
- 计算神经科学是一种神经科学.
- 机器学习用于神经科学
背景情况:
- 由于复杂性和噪音,分析神经群活动具有挑战性.
- 灵活推断神经动态,特别是缺少数据,仍然是一个重大障碍.
研究的目的:
- 开发一个计算模型来建模神经活动中的时空动态.
- 为了使神经潜伏因素和结构的灵活推断,容纳因果,非因果和缺失的观察.
主要方法:
- 介绍了一种名为DFINE (非线性嵌入的动态灵活推理) 的新型神经网络模型.
- DFINE将潜伏因素分为联合训练的多路 (非线性) 和动态 (线性在多路) 组件.
- 采用混合方法,将多重学习与可处理的线性动力学建模相结合.
主要成果:
- 在非线性动态的模拟中,DFINE成功地展示了灵活的推理能力.
- 该模型在各种神经数据集中实现了神经活动和行为的准确预测.
- DFINE有效地捕获了潜在的潜伏神经多元结构,超过了以前的神经网络模型.
结论:
- DFINE提供了一个强大的框架,可以灵活而稳健地推断神经群体动态.
- 该模型处理非线性和缺失数据的能力推动了神经科学研究.
- DFINE有可能对神经技术的发展和神经科学研究做出重大贡献.


