海马自编码器中连续输入空间的离散化
原文中文,约300字,阅读约需1分钟。发表于: 。形成离散的视觉事件记忆可以在稀疏自编码神经元产生类似海马区位置细胞的空间调谐,并能在高维空间中以最小重叠的方式离散化和覆盖底层图像空间,同时在听觉领域也能类似地经验依赖性地覆盖频率空间,最后我们展示了强化学习代理能够有效地使用这些稀疏、高维表示执行各种视觉 - 空间认知任务。
本研究使用图变分自编码器和有监督对比学习的方法,研究了神经系统疾病下海马形态变异,并分离出与年龄和疾病相关的潜变量。研究结果显示,该模型在离散度分数方面优于其他方法,能够区分多发性硬化症患者的年龄组和疾病状态,并揭示了不同年龄下海马体积变化的结果。这项研究对于了解不同年龄组多发性硬化症患者的神经系统疾病与海马形态变化之间的关系具有重要意义。