大理石:使用几何深度学习来解释神经群体动态的可解释表示
Adam Gosztolai1, Robert L Peach2,3, Alexis Arnaudon4
1Institute of Artificial Intelligence, Medical University of Vienna, Vienna, Austria. adam.gosztolai@meduniwien.ac.at.
Nature methods
|February 17, 2025
概括
我们开发了MARBLE,这是一种用于神经动态的新型表示学习方法. 在不同的系统和任务中,MARBLE揭示了复杂神经活动的一致的低维隐藏表示.
科学领域:
- 计算神经科学是一种神经科学.
- 机器学习 机器学习
- 动态系统 动态系统
背景情况:
- 神经群体动态经常发生在低维的多元体上.
- 学习这些动态对于可解释的潜在表征至关重要.
研究的目的:
- 介绍MARBLE (通过倒流学习学习的多重表示学习),这是一种学习神经动态的新方法.
- 从高维神经数据中推断出可解释和一致的潜在表示.
主要方法:
- 马尔伯将多种动态分解为局部流域.
- 它使用无监督的几何深度学习来将动态映射到一个共同的潜在空间中.
主要成果:
- 在模拟系统,RNN和灵长类/动物神经记录中发现了新兴的低维隐藏表示.
- 这些表示在各种认知任务期间参数化神经动态.
- 在动物和动物内部实现了最先进的解码精度.
结论:
- 多重结构为解码算法提供了强大的诱导偏差.
- 在不同的神经系统中,MARBLE能够对认知计算进行可靠的比较.
- 该方法需要最小的用户输入才能有效地同化数据.
