論文の概要: Neural-DISCO: Source-Conditioned Counterfactual Editing of Neural Population Activity

• arxiv url: http://arxiv.org/abs/2610.33145v1
• Date: Fri, 23 Oct 2026 17:10:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.259796
• Title: Neural-DISCO: Source-Conditioned Counterfactual Editing of Neural Population Activity
• Title（参考訳）: ニューラルDISCO:ニューラル・ポピュレーション・アクティビティのソース・コンディションによる対実編集
• Abstract要約: ニューラルアクティビティの非現実的モデリングのための非交叉表現学習フレームワークである textbfNeural-DISCO を紹介する。 シミュレーションおよび実際のニューラル記録データセット全体にわたって、この構造により、測定されたラベルを選択的に編集できることが示されている。 その結果, 乱れは, 合成データと実データの両方において, 既知の機能的細胞の役割の回復を促進することがわかった。
• 参考スコア（独自算出の注目度）: 2.6712041107636746
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Understanding how neural activity encodes behavioral and sensory variables is a key challenge in systems neuroscience. This requires models that go beyond predicting activity from labels and instead support source-conditioned counterfactual editing: given a recorded source response, we should be able to edit one measured behavioral or stimulus label and predict how neural activity would change while preserving other observed labels and source-specific variability not explained by the labels. Here, we introduce \textbf{Neural-DISCO}, a disentangled representation learning framework for counterfactual modeling of neural activity. Neural-DISCO partitions the latent space into label-specific components, each associated with an observed behavioral or stimulus label, together with a residual latent that captures variability not supplied through observed labels. Across simulated and real neural recording datasets, we show that this structure enables selective editing of measured labels to generate counterfactual neural responses while preserving the remaining content of the original activity. Further, to gain insight into how behavioral and stimulus labels are encoded at single-neuron resolution, we pair this disentangled framework with feature attribution methods that identify which neurons are most important for each label. We find that disentanglement enhances the recovery of known functional cell roles in both synthetic and real data. Together, these results support Neural-DISCO as a framework for counterfactual modeling of neural activity and provide a practical interface for probing how neural populations encode behavior and sensory information. Code is available at https://github.com/TangLab-UBC/Neural-DISCO-neurips.
• Abstract（参考訳）: 神経活動が行動変数や感覚変数をエンコードする方法を理解することは、システム神経科学における重要な課題である。 記録されたソース応答があれば、1つの測定された行動または刺激ラベルを編集し、他の観測されたラベルとラベルで説明されていないソース固有の変数を保存しながら、神経活動がどのように変化するかを予測することができます。 本稿では,ニューラルアクティビティの非現実的モデリングのための非交叉表現学習フレームワークである「textbf{Neural-DISCO}」を紹介する。 ニューラルDISCOは、潜伏空間をラベル固有のコンポーネントに分割し、それぞれ観察された行動ラベルや刺激ラベルに関連付けられ、観察されたラベルを通して供給されない変動を捉える残留潜伏空間をキャプチャする。 シミュレーションおよび実際のニューラル記録データセット全体にわたって、この構造は、測定されたラベルを選択的に編集し、元のアクティビティの残りの内容を保存しながら、反現実的なニューラル応答を生成することができることを示す。 さらに, 単一ニューロンの分解能において, 振舞いや刺激のラベルがどのように符号化されているかを知るために, それぞれのラベルにどのニューロンがもっとも重要であるかを特定する特徴属性法と, この非絡み合いの枠組みを組み合わせて検討する。 その結果, 乱れは, 合成データと実データの両方において, 既知の機能的細胞の役割の回復を促進することがわかった。 これらの結果とともに、ニューラルDISCOは、ニューラルアクティビティの反ファクトモデリングのフレームワークであり、ニューラル集団が行動や感覚情報をエンコードする方法を実証するための実践的なインターフェースを提供する。 コードはhttps://github.com/TangLab-UBC/Neural-DISCO-neuripsで入手できる。

関連論文リスト

• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• 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)
• Neuroevolutionary algorithms driven by neuron coverage metrics for semi-supervised classification [60.60571130467197]
  一部の機械学習アプリケーションでは、ラベル付けされていないインスタンスが豊富であるのに対して、教師付き分類のためのラベル付きインスタンスの可用性は制限されている。 本稿では、ニューラルネットワークアーキテクチャ上で計算されたニューラルネットワークカバレッジメトリクスを用いて、未ラベルのインスタンスを利用する神経進化的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-05T23:38:44Z)
• Learnable latent embeddings for joint behavioral and neural analysis [3.6062449190184136]
  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。
  論文  参考訳（メタデータ） (2022-04-01T19:19:33Z)
• 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)
• Drop, Swap, and Generate: A Self-Supervised Approach for Generating Neural Activity [33.06823702945747]
  我々はSwap-VAEと呼ばれる神経活動の不整合表現を学習するための新しい教師なしアプローチを導入する。 このアプローチは、生成モデリングフレームワークとインスタンス固有のアライメント損失を組み合わせたものです。 我々は、行動に関連付けられた関連する潜在次元に沿って、ニューラルネットワークをアンタングルする表現を構築することが可能であることを示す。
  論文  参考訳（メタデータ） (2021-11-03T16:39:43Z)
• 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。