自然子行为的无监督分解成一系列的运动图案

科学领域:

• 伦理学 伦理学 伦理学
• 计算神经科学是一种神经科学.
• 行为科学 行为科学

背景情况:

• 非人类灵长类动物 (NHPs) 表现出复杂的行为,这对于理解认知和社会沟通至关重要.
• 量化和系统地测量NHP行为,特别是非语言处理,是一个重大的技术挑战.
• 需要将行为时间序列自动细分成有意义的运动动机.

研究的目的:

• 介绍SyntacticMotionParser (SMP),这是一个用于解析NHP行为的通用无监督算法.
• 使用非参数贝叶斯模型,将时间序列行为数据自动细分为元素运动动机.
• 提供一种定量和系统的方法来分析NHP行为.

主要方法:

• 开发了SyntacticMotionParser (SMP),这是一个无监督的行为解析算法.
• 使用非参数贝叶斯模型进行行为细分.
• 将SMP应用于来自普通和 rhesus的三维姿势跟踪数据.

主要成果:

• SMP自动输出优化的潜移动动图案序列,并将其分类为最可能的状态数.
• 该算法在分析NHP行为数据集方面表现优于传统的姿势集群模型.
• 从公开可用的数据中,SMP成功地检测到行为类型图形,并量化了化学遗传操纵效应.

结论:

• SyntacticMotionParser (SMP) 为复杂的NHP行为进行自动化,定量分析提供了一个强大的解决方案.
• SMP可以识别行为动机,并可视化神经操纵的影响,推进NHP行为研究.
• 这种算法有可能显著提高对不同研究环境中NHP行为的理解.