基准测试概率时间序列预测模型对神经活动的基准测试
Ziyu Lu1, Anna J Li2, Alexander E Ladd2
1Department of Applied Mathematics, University of Washington, Seattle, WA, USA.
ArXiv
|November 24, 2025
概括
深度学习模型对神经活动预测有前途,性能优于传统方法. 这一进步可能使新的脑计算机接口和更深入地了解神经动力学成为可能.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 计算生物学 计算生物学
背景情况:
- 神经活动预测对于理解大脑功能和开发闭环系统至关重要.
- 深度学习在时间序列预测方面表现出色,但在神经数据方面未得到充分利用.
研究的目的:
- 系统地评估用于神经活动预测的深度学习模型.
- 将他们的表现与经典的统计模型进行比较.
主要方法:
- 评估了八个概率深度学习模型,包括基础模型,在小鼠皮质活动数据上.
- 利用广场成像进行自发神经活动记录.
- 将深度学习模型与四种经典统计模型和两个基线进行比较.
主要成果:
- 几种深度学习模型在各种预测视野中始终优于经典方法.
- 性能最好的模型能够准确地预测未来1.5秒的时间.
- 证明了深度学习在预测复杂神经动态方面的潜力.
结论:
- 深度学习模型为推进神经活动预测提供了强大的工具.
- 这些发现支持大脑与计算机接口和神经控制的未来应用.
- 开辟了探索神经活动时间结构的新研究途径.
