修正生物和人工神经网络中偏差的中心核对齐度测量
原文中文，约300字，阅读约需1分钟。发表于：。利用 fMRI 和 MEG 数据，本文揭示了如果在低数据高维度领域中使用偏向 CKA 作为对齐度量标准，则它们由于偏向 CKA 对不同特征 - 样本比率的敏感性而无法直接比较，结果将高度相似，甚至对于随机矩阵对。只有使用去偏 CKA 才能实现真正的刺激驱动响应的正向对齐，同时表明偏向 CKA 对神经数据的内在结构敏感。
本文通过实证研究代表性生成模型 GAN，深入分析了特征空间中代表数据点、计算合理距离以及每组使用多少个实例等问题。实验结果表明，基于CNN和ViT的架构是可靠的特征提取器，CKA能够产生更好的比较，补充了现有指标。这些发现帮助设计了一个新的测量系统，重新评估了最先进的生成模型。
