arXiv · cs.AI · Parastoo Azizeddin, Eray Erturk, Maryam M. Shanechi · 5 小时前模型评分28
BREM-NET：融合多模态神经记录学习行为相关动力学
Learning Behaviorally Relevant Dynamics in Multimodal Neural Recordings
导读
研究者提出非线性多模态动力学模型 BREM-NET，可在推理时融合行为与多种神经模态，并通过结构化学习框架分离行为相关动力学与残余神经动力学。在同时记录尖峰活动和局部场电位（LFP，Local Field Potential）的非人灵长类二维伸手任务公开数据集上，该模型行为解码和神经预测更准、与行为的潜在对齐更强，且在模态异步或缺失时仍保持这些能力。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “Here we develop BREM-NET, a nonlinear multimodal dynamical model that integrates behavior with multiple neural modalities having distinct statistical characteristics and temporal resolutions.”
来源：arXiv · cs.AI · arxiv.org