本研究提出了RoDiB模型，解决了神经元间延迟导致的大脑动态非同步问题。RoDiB通过单一输出和多个延迟生成时间序列，能在固定架构下学习更多分类标签。当输出标签数量超过输入大小时，RoDiB的准确度显著提高，展示了其计算潜力。

本文探讨了深度学习在功能性磁共振成像(fMRI)数据分析中的应用，介绍了FBNETGEN、BrainRGIN和BrainMAE等新方法，旨在提高对大脑动态的理解和智力预测的准确性。这些方法结合了自监督学习和图神经网络，展示了在处理复杂神经影像数据时的有效性。