本文提出了一种新的概率潜变量模型(mGPLVM)，用于研究神经元编码头部方向及相关行为的潜变量构建。研究者开发了量化神经网络表征相似性的工具，并通过大规模数据集验证了神经表征与结构和性能的关系。此外，研究探讨了无监督几何深度学习框架和拓扑脑表示相似性分析，揭示了神经群体活动与多任务学习的联系。