多代理行为数据集:小鼠二度社会交互

科学领域:

• 行为神经科学 行为神经科学
• 计算生物学 计算生物学
• 机器学习 机器学习

背景情况:

• 在行为神经科学中,了解代理人之间的复杂相互作用至关重要.
• 对动物行为的自动分析对于加速研究至关重要.
• 现有的数据集可能缺乏强大的模型培训所需的规模或多样性.

研究的目的:

• 介绍Caltech鼠标社交交互 (CalMS21) 数据集用于多代理行为建模.
• 为评估自动行为分类方法提供基准.
• 促进对注释者之间的差异的研究和学习新的行为.

主要方法:

• 在居民入侵者试验中从自由行为小鼠收集的轨迹数据.
• 记录了600万个没有标签的追踪姿势的,以及超过100万个带注释的.
• 开发了培训,风格转移和行为少量学习的基准.

主要成果:

• CalMS21数据集为多代理行为分析提供了一个大规模的资源.
• 基准指标解决了从标记和未标记数据中对行为进行分类的挑战.
• 该数据集可方便对新的行为设置和注释器风格进行概括.

结论:

• CalMS21数据集是促进神经科学中自动行为分类的宝贵工具.
• 它支持开发更强大的和可通用的多代理行为模型.
• 这个资源将加速社会行为研究中的发现.