論文の概要: Learnable latent embeddings for joint behavioral and neural analysis
- arxiv url: http://arxiv.org/abs/2204.00673v1
- Date: Fri, 1 Apr 2022 19:19:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 16:56:05.178514
- Title: Learnable latent embeddings for joint behavioral and neural analysis
- Title（参考訳）: 協調行動分析と神経解析のための学習可能な潜在埋め込み
- Authors: Steffen Schneider, Jin Hwa Lee, Mackenzie Weygandt Mathis
- Abstract要約: CEBRAは、空間のマッピング、複雑なキネマティックな特徴の発見、視覚野からの自然映画の高速かつ高精度な復号化に利用できることを示す。
我々は、その精度を検証し、カルシウムと電気生理学の両方のデータセット、感覚と運動のタスク、そして種全体にわたる単純または複雑な振る舞いにその有用性を実証する。
- 参考スコア（独自算出の注目度）: 3.6062449190184136
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mapping behavioral actions to neural activity is a fundamental goal of
neuroscience. As our ability to record large neural and behavioral data
increases, there is growing interest in modeling neural dynamics during
adaptive behaviors to probe neural representations. In particular, neural
latent embeddings can reveal underlying correlates of behavior, yet, we lack
non-linear techniques that can explicitly and flexibly leverage joint behavior
and neural data. Here, we fill this gap with a novel method, CEBRA, that
jointly uses behavioral and neural data in a hypothesis- or discovery-driven
manner to produce consistent, high-performance latent spaces. We validate its
accuracy and demonstrate our tool's utility for both calcium and
electrophysiology datasets, across sensory and motor tasks, and in simple or
complex behaviors across species. It allows for single and multi-session
datasets to be leveraged for hypothesis testing or can be used label-free.
Lastly, we show that CEBRA can be used for the mapping of space, uncovering
complex kinematic features, and rapid, high-accuracy decoding of natural movies
from visual cortex.
- Abstract（参考訳）: 行動行動と神経活動のマッピングは神経科学の基本的な目標である。
大規模な神経および行動データを記録できる能力が増加するにつれて、適応行動中にニューラルネットワークのダイナミクスをモデリングして神経表現を調べることへの関心が高まっている。
特に、ニューラルネットワークの潜伏埋め込みは行動の相関関係を明らかにすることができるが、関節の挙動と神経データを明示的に柔軟に活用する非線形技術は欠如している。
このギャップを埋めるために,行動と神経のデータを仮説や発見駆動の方法で併用し,一貫性のある高性能な潜在空間を作り出す新しい手法であるcebraを考案した。
その正確性を検証し、カルシウムおよび電気生理学のデータセット、感覚および運動のタスク、および種間における単純または複雑な行動において、このツールの有用性を実証する。
これにより、シングルセッションとマルチセッションデータセットを仮説テストに活用したり、ラベルフリーで使用できる。
最後に、CEBRAは、空間のマッピング、複雑なキネマティックな特徴の発見、視覚野からの自然フィルムの高速かつ高精度デコードに利用できることを示す。
関連論文リスト
- Exploring Behavior-Relevant and Disentangled Neural Dynamics with Generative Diffusion Models [2.600709013150986]
行動の神経基盤を理解することは神経科学の基本的な目標である。
私たちのアプローチは、BeNeDiff'と呼ばれるもので、まずきめ細やかな神経部分空間を識別します。
次に、最先端の生成拡散モデルを使用して、各潜伏因子の神経力学を解釈する行動ビデオを合成する。
論文 参考訳（メタデータ） (2024-10-12T18:28:56Z) - Neuroformer: Multimodal and Multitask Generative Pretraining for Brain Data [3.46029409929709]
最先端のシステム神経科学実験は大規模なマルチモーダルデータを生み出し、これらのデータセットは分析のための新しいツールを必要とする。
視覚領域と言語領域における大きな事前学習モデルの成功に触発されて、我々は大規模な細胞分解性神経スパイクデータの解析を自己回帰生成問題に再構成した。
我々はまず、シミュレーションデータセットでNeuroformerを訓練し、本質的なシミュレートされた神経回路の動作を正確に予測し、方向を含む基盤となる神経回路の接続性を推定した。
論文 参考訳（メタデータ） (2023-10-31T20:17:32Z) - WaLiN-GUI: a graphical and auditory tool for neuron-based encoding [73.88751967207419]
ニューロモルフィックコンピューティングはスパイクベースのエネルギー効率の高い通信に依存している。
本研究では, スパイクトレインへのサンプルベースデータの符号化に適した構成を同定するツールを開発した。
WaLiN-GUIはオープンソースとドキュメントが提供されている。
論文 参考訳（メタデータ） (2023-10-25T20:34:08Z) - Robust alignment of cross-session recordings of neural population
activity by behaviour via unsupervised domain adaptation [1.2617078020344619]
本研究では,同じ動物から記録された未確認データから行動関連潜伏動態を推定できるモデルを提案する。
教師なし領域適応と、複数のセッションで訓練された逐次変分オートエンコーダを組み合わせることで、見つからないデータに対して優れた一般化が達成できることを示す。
論文 参考訳（メタデータ） (2022-02-12T22:17:30Z) - Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。
本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。
ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
論文 参考訳（メタデータ） (2021-12-02T12:45:46Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳（メタデータ） (2021-09-22T16:52:51Z) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳（メタデータ） (2020-12-07T01:20:38Z) - Learning identifiable and interpretable latent models of
high-dimensional neural activity using pi-VAE [10.529943544385585]
本稿では,潜在モデルと従来のニューラルエンコーディングモデルから重要な要素を統合する手法を提案する。
我々の手法であるpi-VAEは、同定可能な変分自動エンコーダの最近の進歩にインスパイアされている。
人工データを用いてpi-VAEを検証し,それをラット海馬およびマカク運動野の神経生理学的データセットの解析に応用した。
論文 参考訳（メタデータ） (2020-11-09T22:00:38Z) - Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。
コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
論文 参考訳（メタデータ） (2020-02-02T21:09:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。