跨被试fMRI预测中模型复杂度作用分析
热点事件持续更新
跨被试fMRI预测中模型复杂度作用分析
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Junhao Zhao等发布预印本，对比线性诊断参考与非线性预测器，分析跨被试自然刺激fMRI预测中模型复杂度是否带来增益，并在HCP电影fMRI（154名被试）、BOLD Moments（10名）和Algonauts 2025（4名）上评估。 结果显示，预训练视觉特征通常优于原始像素，且在线性自回归中随递归预测延长优势更明显；实测BOLD历史带来显著增益，但随预测延长而减弱。作者称，这支持将刺激表征与下游复杂度分开评估，并以历史条件线性预测作为诊断参考。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 13:00
跨被试自然刺激 fMRI 预测中模型复杂度何时重要报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AI跨被试自然刺激 fMRI 预测中模型复杂度何时重要
研究对比线性诊断参考与非线性预测器，在 HCP 电影 fMRI（154 名被试）、BOLD Moments（10 名被试）和 Algonauts 2025（4 名被试）上评估跨被试预测。预训练视觉特征通常优于原始像素，且在线性自回归中随递归预测延长优势更明显；实测 BOLD 历史带来显著增益，但随预测延长而减弱。结果支持将刺激表征与下游复杂度分开评估，并以历史条件线性预测作为诊断参考。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。