Latent Factor Analysis via Dynamical Systems:LFADS (Nature methods 2018)

Nature Methods:https://www.nature.com/articles/s41592-018-0109-9
LFADS Run Manager for Matlab:https://lfads.github.io/lfads-run-manager/


目录

    • Single session:
      • 假设:
      • 方法:
      • 结果:
    • Multi-sessions:
      • 假设:
      • 方法:
      • 结果:
    • More general dynamical system:
      • 假设:
      • 方法:
      • 结果:


在这里插入图片描述

Single session:

假设:

  1. 神经信号的spike分布服从泊松分布
  2. LFADS 将时间 t 处的单次试验的输出(发放率 r t r_t rt)到输入(spikes) 建模为非齐次随机泊松过程, r t r_t rt维度与神经元个数维度保持一致

方法:

如图所示

结果:

和GPFA等方法相比在降维描述神经群体动态上效果显著优越


请添加图片描述

Multi-sessions:

假设:

当受试者在不同的session中从事相同的行为时,可以合理假设记录的神经群体具有相同的latent dynamics

方法:

  • 在基础LFADS的VAE模块的输入和输出分别为不同的session数据配置一个读入和读出矩阵:
    I n p u t : W i i n p u t , O u t p u t : W i r a t e Input: W^{input}_i, Output: W^{rate}_i Input:Wiinput,Output:Wirate
  • 蓝色方框中的模块在所有sessions间共享,特别是底层的latent
  • 在由跨越 162 天的 44 个记录sessions组成的组合数据集上训练了 1 个 stitched LFADS 模型

结果:

  • 每个session推断的条件平均因子轨迹对于给定的到达方向都高度相似(图 d)
  • 跨多个sessions训练的 stitched LFADS 生成的因子 f t f_t ft在行为解码预测的性能上显著优于单 session训练的 single LFADS (图 e)
  • stitched LFADS 生成的因子 f t f_t ft比 single LFADS 模型的信息量要多得多(图 e-f)

在这里插入图片描述

More general dynamical system:

假设:

推测来自神经系统的输入:当前被记录的神经群体可能受到来自其他大脑区域的不可测量的输入(包括任务、上下文输入或感觉输入的意外变化所产生的输入),从而导致当前神经群体的latent发生时变,引入这样一个输入以允许将我们关注的神经群体活动建模为更一般的非自主动力系统,使最终的latent dynamics更加鲁棒

方法:

  • LFADS 将各个试验简化为初始条件 ( g 0 g_0 g0) 和一组随时间变化的推断输入 ( u t u_t ut),后者使用均值和方差进行随机建模,并在每个时间点输入到生成器。 u t u_t ut由控制器 RNN 输出,该控制器接收来自编码网络的时变输入以及前一个时间步的因子表示。
  • 实验:“光标跳跃”任务,猴子控制光标向上或下的目标运动。在“不受干扰”的试验中(75%),光标始终跟踪猴子手的位置,猴子会直接向上或向下伸手以获取目标。在“扰乱”试验中(25%),光标和手位置之间不可预测的向左或向右移动迫使猴子做出纠正动作以获取目标(上图b)。

结果:

  • 在扰动期间,LFADS 推断出右移和左移扰动试验以及未扰动试验的不同输入模式(上图 d),这些输入的时间与扰动的时间(输入是时变的)很好地对齐,并且这些输入的扰动方向特异性在向下和向上的范围内是相似的
  • t-SNE结果表明推断输入在单次试验的基础上根据扰动方向不同进行聚类。

Nature Methods:https://www.nature.com/articles/s41592-018-0109-9
LFADS Run Manager for Matlab:https://lfads.github.io/lfads-run-manager/


创作不易,麻烦点点赞和关注咯!

计算机学术会议征稿
  • 第三届智能机械与人机交互技术学术会议(IHCIT 2024,7月27)https://jurio.blog.csdn.net/article/details/140265715
  • 2024年应用计算智能、信息学与大数据国际会议(ACIIBD 2024,7月26-28)https://jurio.blog.csdn.net/article/details/140063967
  • 第三届金融创新、金融科技与信息技术国际学术会议(FFIT 2024,7月26-28)https://jurio.blog.csdn.net/article/details/140063596
  • 2024年云计算与大数据国际学术会议(ICCBD 2024,7月26-28)https://jurio.blog.csdn.net/article/details/139701597
  • 第五届智能计算与人机交互国际研讨会(ICHCI 2024, 9/27-29)https://jurio.blog.csdn.net/article/details/138867991
  • 2024年生物医药和智能技术国际学术会议(ICBIT 2024,8月23-25)https://jurio.blog.csdn.net/article/details/140292954
  • 第三届图像处理、目标检测与跟踪国际学术会议(IPODT 2024,8月9-11)https://jurio.blog.csdn.net/article/details/140176909
  • 第五届大数据与社会科学国际学术会议(ICBDSS 2024,8月16-18)https://jurio.blog.csdn.net/article/details/140111060
  • 2024计算建模与应用数学国际学术会议暨中俄微分方程及其应用学术会议(CMAM 2024 & DEA,8月2-4)https://jurio.blog.csdn.net/article/details/139986813
  • 2024年虚拟现实、图像和信号处理国际学术会议(ICVISP 2024,8月2日-4)https://jurio.blog.csdn.net/article/details/139963349
  • 第13届亚洲膜计算会议(ACMC2024)暨 2024年机器学习、模式识别与自动化工程国际学术会议(MLPRAE 2024,8月7日-9)https://jurio.blog.csdn.net/article/details/139963026
  • 2024年图像处理、智能控制与计算机工程国际学术会议(IPICE 2024,8月9-11)https://jurio.blog.csdn.net/article/details/139899515
  • 2024年智能感知与模式识别国际学术会议(ISPC 2024,9月6日-8)https://jurio.blog.csdn.net/article/details/139899461
  • 2024算法、高性能计算与人工智能国际学术会议(AHPCAI 2024,8月14-16)https://jurio.blog.csdn.net/article/details/140588057
  • 2024云计算、性能计算与深度学习国际学术会议(CCPCDL 2024,8月14-16)https://jurio.blog.csdn.net/article/details/139500126
  • 2024年大数据与数字化管理国际学术会议 (ICBDDM 2024,8月16-18)https://jurio.blog.csdn.net/article/details/140305725
  • 2024年数据管理与计算机科学国际学术会议 ICDMCS 2024, 8月16-18https://jurio.blog.csdn.net/article/details/140305764
  • 第四届互联网金融与数字经济国际学术会议(ICIFDE 2024,8月16日-18)https://jurio.blog.csdn.net/article/details/140376008
  • 2024年图像处理、机器学习与模式识别国际学术会议(IPMLP 2024,9月13-15)https://jurio.blog.csdn.net/article/details/140398043
  • 第四届计算机科学与区块链国际学术会议 (CCSB 2024,9月6-8)https://jurio.blog.csdn.net/article/details/140568999
  • 2024智能物联与计算国际学术会议(AITC 2024,8月30-9月1)https://jurio.blog.csdn.net/article/details/140532924
  • 第五届智能计算与人机交互国际研讨会(ICHCI 2024, 9/27-29)https://jurio.blog.csdn.net/article/details/140552500
  • 第五届信号处理与计算机科学国际学术会议(SPCS 2024,8月23-25)https://jurio.blog.csdn.net/article/details/140517749
  • 2024年数字经济,区块链与人工智能国际学术会议(DEBAI 2024, 8月23-25)https://jurio.blog.csdn.net/article/details/140517345
  • 2024年第五届医学人工智能国际学术会议(ISAIMS 2024,8月13-17)https://jurio.blog.csdn.net/article/details/140463467
  • 第四届先进算法与神经网络国际学术会议(AANN 2024,8月9日-11)https://jurio.blog.csdn.net/article/details/140463379
  • 第四届物联网与机器学习国际学术会议(IoTML 2024,8月23-25)https://jurio.blog.csdn.net/article/details/140434597
  • 2024年虚拟现实、图像和信号处理国际学术会议(VRISP 2024,8月2日-4)https://jurio.blog.csdn.net/article/details/140434208
  • 第七届计算机信息科学与人工智能国际学术会议(CISAI 2024,9月6-8)https://jurio.blog.csdn.net/article/details/140607049
  • 第五届现代化教育和信息管理国际学术会议(ICMEIM 2024,9月6-8)https://jurio.blog.csdn.net/article/details/140607049
  • 第三届公共管理、数字经济与互联网技术国际学术会议(ICPDI 2024,9月06-08)https://jurio.blog.csdn.net/article/details/140619770
  • 第七届机电一体化与计算机技术工程国际学术会议(MCTE 2024,8月23-25)https://jurio.blog.csdn.net/article/details/140669384
  • 2024年教育人工智能国际学术会议(ISAIE 2024,9月6-8)https://jurio.blog.csdn.net/article/details/140686738
  • 2024年智能计算与数据分析国际学术会议(ICDA 2024,9月6日-8)https://jurio.blog.csdn.net/article/details/140686930
  • 2024年数字化社会、信息科学与风险管理研讨会(ICDIR 2024,9月20-22)https://jurio.blog.csdn.net/article/details/140710213

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/875987.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【C++】位运算:两整数之和

1.题目 2.算法思路 本题不能只用 -,那大概率用到位运算符。 异或的作用是无进位相加,所以需要通过异或运算(^)来替代加法运算,但是我们无法确定进位的信息。所以需要与运算(&)来得到进位的…

【Android】Activity生命周期与五种启动模式

文章目录 生命周期返回栈Activity状态生命周期方法 启动模式standard模式singleTask模式singleTop模式singleInstance模式singleInstancePerTask模式配置方式 生命周期 返回栈 每个Activity的状态由它在Activity栈(又叫“回退栈back stack”)中的位置决…

MySQL高性能读写分离实战

介绍 我的上一篇文章实现了mysql的主从复制结构,今天这篇继续将如何实现读写分离。 读写分离是指:针对数据库的写操作(插入、更新、删除等)访问主数据库,读操作访问从数据库。 因为一般网站的读请求的数量是远远大于…

《数据结构:顺序实现二叉树》

文章目录 一、树1、树的结构与概念2、树相关术语 二、二叉树1、概念与结构2、满二叉树3、完全二叉树 三、顺序二叉树存储结构四、实现顺序结构二叉树1、堆的概念与结构2、堆的实现3、堆的排序 一、树 1、树的结构与概念 树是一种非线性的数据结构,它是由n&#xff…

【Python机器学习】决策树的构造——划分数据集

分类算法除了需要测量信息熵,还需要划分数据集,度量划分数据集的熵,以便判断当前是否正确划分了数据集。 我们将对每个特征划分数据集的结果计算一次信息熵,然后判断按照哪个特征划分数据集是最好的划分方式。 想象一个分部在二…

4-4 数值稳定性 + 模型初始化和激活函数

数值稳定性 这里的 t t t表示层,假设 h t − 1 h^{t-1} ht−1是第 t − 1 t-1 t−1层隐藏层的输出,经过一个 f t f_{t} ft​得到第 t t t层隐藏层的输出 h t h^{t} ht。 y y y表示 x x x进来,第一层一直到第 d d d层,最后到一个损…

研究生选择学习Android开发的利与弊?

在开始前刚好我有一些资料,是我根据网友给的问题精心整理了一份「Android的资料从专业入门到高级教程」, 点个关注在评论区回复“888”之后私信回复“888”,全部无偿共享给大家!!!产品经理可以学学Axure快…

vscode远程免密登入

1、windows (1) 点击左下角 ->将当前窗口连接到主机…->(配置ssh文件,点击或者指定)->按这个格式添加 (2) 在cmd命令窗口:ssh-keygen -t rsa (-C “name”) #这个name是远程linux的用户名,这里也可以不加-C…

H264编码器实现-帧内预测之像素值预测

前言 本文所介绍的像素值预测,是指在帧内预测总体流程中的预测块每个像素值的推导过程。当我们已知向量像素的重建值的时候,我们就可以对当前预测块进行像素值预测。该过程得到的结果将与源像素值相减得到残差,为后续变换量化提供数据来源。…

Godot入门 04平台设计

新建创景,添加AnimatableBody2D节点。 添加Sprite2D节点 拖动图片 剪裁图片,吸附模式:像素吸附 添加CollisionShape2D,设置实际形状为矩形 重命名AnimatableBody2D节点为Platform,保存场景,拖动platform场景…

C#初级——条件判断语句、循环语句和运算符

条件判断语句 简单的条件判断语句&#xff0c;if()里面进行条件判断&#xff0c;如果条件判断正确就执行语句块1&#xff0c;如果不符合就执行语句块2。 if (条件判断) { 语句块1 } else { 语句块2 } int age 18;if (age < 18){Console.WriteLine("未…

深入理解 Java 虚拟机第三版(周志明)

这次社招选的这本作为 JVM 资料查阅&#xff0c;记录一些重点 1. 虚拟机历史 Sun Classic VM &#xff1a;已退休 HotSpot VM&#xff1a;主流虚拟机&#xff0c;热点代码探测技术 Mobile / Embedded VM &#xff1a;移动端、嵌入式使用的虚拟机 2.2 运行时数据区域 程序计…

软件测试20个基础面试题及答案

什么是软件测试&#xff1f; 答案&#xff1a;软件测试是指在预定的环境中运行程序&#xff0c;为了发现软件存在的错误、缺陷以及其他不符合要求的行为的过程。 软件测试的目的是什么&#xff1f; 答案&#xff1a;软件测试的主要目的是保证软件的质量&#xff0c;并尽可能…

“消费增值风暴:百万业绩背后的创新电商模式“

今日&#xff0c;我怀着无比激动的心情&#xff0c;向您揭示一个激励人心的成长篇章。我们的战略伙伴在短短一个月内&#xff0c;业绩如火箭般攀升&#xff0c;成功跨越百万销售额大关&#xff0c;同时&#xff0c;其用户活跃度居高不下&#xff0c;日均在线用户数稳稳占据8至1…

[Unity] ShaderGraph实现镜头加速线/残血效果 URP

效果如下所示&#xff1a;残血状态时&#xff0c;画面会压暗角&#xff0c;并出现速度线营造紧迫感。 使用到的素材如下&#xff0c;换别的当然也可以。[这是张白色的png放射图&#xff0c;并非皇帝的新图hhh] 这个效果的实现逻辑&#xff0c;其实就是利用time向圆心做透明度的…

HAL库源码移植与使用之低功耗模式

低功耗特性对用电池供电的产品&#xff1a; 更小电池体积&#xff08;降低了大小和成本&#xff09; 延长电池寿命 电磁干扰更小&#xff0c;提高无线通信质量 电源设计更简单&#xff0c;无需过多考虑散热问题 电源供电区分为&#xff1a; 分为VDD供电区…

友思特应用 | 硅片上的光影贴合:UV-LED曝光系统在晶圆边缘曝光中的高效应用

导读 晶圆边缘曝光是帮助减少晶圆涂布过程中多余的光刻胶对电子器件影响的重要步骤。友思特 ALE/1 和 ALE/3 UV-LED 高性能点光源&#xff0c;作为唯一可用于宽带晶圆边缘曝光的 i、h 和 g 线的 LED 解决方案&#xff0c;可高效实现WEE系统设计和曝光需求。 晶圆边缘曝光及处…

分布式相关理论详解

目录 1.绪论 2.什么是分布式系统&#xff0c;和集群的区别 3.CAP理论 3.1 什么是CAP理论 3.2 一致性 3.2.1 计算机的一致性说明 1.事务中的一致性 2.并发场景下的一致性 3.分布式场景下的一致性 3.2.2 一致性分类 3.2.3 强一致性 1.线性一致性 a) 定义 a) Raft算法…

通过ATS软件抓取ios手机日志方法记录

1.ios手机下载描述符文件&#xff0c;用于过检测 下载网址&#xff1a;https://developer.apple.com/bug-reporting/profiles-and-logs/?nameB 点击这个下载&#xff0c;之后在手机通用-VPN与设备管理里面找到刚才下载的描述文件然后安装&#xff1b; 2024.6月后注意会提示描…

springcloud RocketMQ 客户端是怎么走到消费业务逻辑的 - debug step by step

springcloud RocketMQ &#xff0c;一个mq消息发送后&#xff0c;客户端是怎么一步步拿到消息去消费的&#xff1f;我们要从代码层面探究这个问题。 找的流程图&#xff0c;有待考究。 以下我们开始debug&#xff1a; 拉取数据的线程&#xff1a; PullMessageService.java 本…