BriefGPT - AI 论文速递
·
透视他们的思维：从跨受试者的 fMRI 学习可迁移的神经表达
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
我们开发了一种工具，通过将大型预训练视觉模型映射到大脑上，揭示其隐藏信息。我们的创新提出了一种使用大脑编码的方法：预测大脑在图像刺激下的功能磁共振成像测量。我们发现大脑和深度网络特征之间的显式映射至关重要，FactorTopy方法可应用于任何深度网络。此外，训练方法对层次结构和缩放行为有重要影响，微调也会改变预训练模型。我们的方法实用，只需3000个图像就能学习网络到大脑的映射。
🎯
关键要点
-
开发了一种工具，将大型预训练视觉模型映射到大脑，揭示隐藏信息。
-
提出了一种使用大脑编码的方法，预测大脑在图像刺激下的功能磁共振成像测量。
-
发现大脑和深度网络特征之间的显式映射至关重要，FactorTopy方法可应用于任何深度网络。
-
训练方法对层次结构和缩放行为有重要影响，随着数据或网络容量增加而增长。
-
微调会改变预训练模型，适应小数据集时的表现。
-
该方法实用，仅需3000个图像即可学习网络到大脑的映射。
🏷️
标签
➡️
