Aug, 2016

在千人神经影像数据集上实现因素分析

PDF
TL;DR本研究比较了两种最近的多主体因子分析方法：Shared Response Model 和 Hierarchical Topographic Factor Analysis，对其进行了分析、算法和代码优化，以实现多节点并行应用的规模化，提供较高的速度市场，同时在真实数据集中表现出很好的强伸缩性和在合成数据集中表现出好的弱伸缩性。
发现论文，激发创造
  • 基于结构化图像的快速聚类方法，用于可扩展的统计分析

    本文旨在通过探究基于快速聚类的交替方案，用于替代耗时的函数评估来降低记忆需求，从而处理大规模的脑成像数据。结果表明，基于聚类的压缩在提高之后的估计步骤的精度方面有良好的效果，能够用于分析大型数据集。

    Nov, 2015

  • 群体因子分析

    通过变分推断较之前更灵活地将模态多样性因子分析模型扩展到可以描述变量集合之间的关系，利用两级层次结构模型来解决组因素分析问题，且表现出更好的表现力和适用性。

    Nov, 2014

  • 搜索灯因素模型方法用于寻找多个被试 fMRI 分析中的共享信息

    本文介绍一种搜索光标共享反应模型的方法，可以在全脑的小连续区域（搜索灯）中识别共享信息，并验证领域分类任务的结果表明，可以确定具有信息的本地区域。

    Sep, 2016

  • 通过张量分解发现高维人类行为数据中的隐藏结构

    应用非负张量因式分解方法在穿戴式传感器数据集 StudentLife 中，提取潜在的时间因素和相似个体群组，成功发现了表现良好的个体和常常从事休闲活动的个体，从而揭示了数据的低维结构。

    May, 2019

  • 稀疏时空脑机接口的分解方法

    本研究提出了一种稀疏情况下基于因子分解的脑机接口信号处理方法，通过采用不同的特征提取器从潜空间获取不同表示并最小化潜空间共享情况，成功地提取到了稀疏条件下的脑电信号的决定性特征。

    Jun, 2022

  • 大规模钙成像数据分析的结构化矩阵分解框架

    本研究提出了一种结构化矩阵因数分解方法，用于同时解决大量神经元集合的位置识别，空间重叠组件混合分离以及每个神经元的钙离子浓度与时间关系的脉冲活动去噪和解卷积问题。

    Sep, 2014

  • 矩阵分解在 fMRI 数据中的性能评估

    本研究通过应用不同的矩阵分解方法于全脑功能磁共振成像数据的神经活动，研究了整个人脑中稀疏编码的有效性，结果表明稀疏编码假设在整个人脑信息表示中是成立的。

    Dec, 2023

  • 贝叶斯群组因子分析

    这篇文章介绍了一种基于 group-wise 稀疏因子的因子分析模型，可以用于处理神经影像或者化学系统生物学方面的数据分析任务。

    Oct, 2011

  • 快速可扩展的分布式深度卷积自编码器用于 fMRI 大数据分析

    本文介绍了一种快速和可扩展的分布式深度卷积自编码器模型，其使用卷积神经网络来处理 tfMRI 数据，以学习 tfMRI 数据的复杂层次结构，并实现了在大规模 GPU 集群上对 tfMRI 大数据进行分析，从而将神经科学的信息从海量 fMRI 数据中提取出来。

    Oct, 2017

  • fMRI 分析的精细功能模式图册

    我们提出了精细分辨率的功能模式图册 (DiFuMo)，由 64 到 1024 个网络组成，很好地提取了降维信号，以及对大量数据处理技术进行了比较和解释。

    Mar, 2020