BriefGPT - AI 论文速递
·
神经群体解码的统一可扩展框架
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种用于对大规模神经活动数据进行建模的训练框架和架构，利用交叉注意力和PerceiverIO主干构建神经群体活动的潜在分词，构建了一个大规模的多会话模型，为构建分析神经数据的深度学习工具提供了一种有力的新方法。
🎯
关键要点
- 运用深度学习方法解读神经活动的研究表明，通过扩大模型规模和数据集规模，我们能更好地理解神经活动的特征。
- 本文介绍了一种用于对各种大规模神经活动数据进行建模的训练框架和架构。
- 通过将数据集中的个体脉冲进行分词来捕捉神经活动的细微时间结构。
- 利用交叉注意力和PerceiverIO主干构建神经群体活动的潜在分词。
- 构建了一个大规模的多会话模型，利用来自七只非人灵长类动物的大型数据集。
- 跨越158个不同的记录会话、27373个神经单元和100多个小时的记录。
- 预训练模型可以快速适应新的、未知的带有未指定神经元对应关系的记录会话。
- 以最小的标签实现少样本性能。
- 为构建分析神经数据的深度学习工具提供了一种有力的新方法。
- 为规模化训练开辟了明确的路径。
🏷️
标签
➡️
