Nov, 2017
从多个大规模神经群体记录中学习预测相关性以提取低维动态
Extracting low-dimensional dynamics from multiple large-scale neural population recordings by learning to predict correlations
Marcel Nonnenmacher, Srinivas C. Turaga, Jakob H. Macke
TL;DR本文提出了一种用于多个序列记录的低维动力学提取的方法,该方法利用了降维方法并构建了一种优化模型,能够有效地分析分布在大型脑区域中的动力学,并在遇到严重子采样和小重叠度的情况下标识动力学并预测相关性,同时对处理丢失数据也有很好的表现。