Jun, 2024

HarmonICA：神经非稳态校正与运动神经元界面的源分离

PDF
TL;DR使用无监督学习算法解决非平稳效应对信号源分离过程的影响，提出了一种名为 HarmonICA 的设计，能够在实验和真实记录中，盲目补偿与每种记录特定的非平稳效应，从而显著提高源分离过程的质量。
spinal motor neuronssource separationunsupervised learning algorithmlatent processesnon-stationary effects
发现论文，激发创造
  • 隐马尔可夫非线性 ICA：从非平稳时间序列中进行无监督学习

    本文提出了一种新的非线性 ICA 框架，该框架无需手动分割数据，而是结合了隐马尔可夫模型来实现非监督地学习和动态建模，同时证明了该模型的可辨识性。

    Jun, 2020

  • 一种规范的、生物学上合理的独立分量分析算法

    提出一种新型的 ICA 算法，满足生物电路中的要求，涉及的关键词有盲源分离，独立分量分析，神经网络，突触可塑性和生物电路。

    Nov, 2021

  • 非静态情况对从神经数据推断的模型的影响

    应用机器学习技术，研究从剪辑数据中推断的动力学 Ising 模型，发现一个非互作神经元的非平稳输入模型优于一个带有神经元耦合的静态输入模型，后者即使增加了连接，对于突触间的耦合也只有轻微的影响。

    Mar, 2012

  • 神经谐振盒：一种可解释的非线性动态系统识别的深度结构及其在音频处理中的应用

    提出一种用于建模动态系统的因果可解释深度结构，通过在时频域建模系统并保持高时域和频谱分辨率，通过一种顺序递归的方式构建模型，以实现快速、强健和精确的二阶优化，无需显式的 Hessian 计算，利用神经网络识别频率之间的相互依赖，通过非线性系统识别问题进行验证，对于音频信号处理任务具有广泛实际应用。

    Oct, 2023

  • 非线性 ICA 的可辨识性：稀疏性与更多拓展研究

    通过在混合过程中添加约束条件（如结构稀疏性），我们在不需要辅助变量的情况下，实现了非线性 ICA 的非平凡可识别性。

    Jun, 2022

  • 基于时间对比学习和非线性 ICA 的无监督特征提取

    提出一种基于时间序列的无监督深度学习方法：时间对比学习，利用数据的非静态特性提取潜在特征，同时将时间对比学习与非线性 ICA 模型相结合实现非线性 ICA 模型的辨识性研究。

    May, 2016

  • 多视角非线性 ICA 的可识别性结果：不完整的罗塞塔石问题

    该研究探讨从多个视角中恢复具有独立组成成分的共同潜在源的问题，并呈现了在使用深度神经网络等功能逼近器时，可以理论上消除混合的新颖可识别性证明。

    May, 2019

  • 超越结构稀疏性的非线性独立成分分析的泛化

    非线性独立分量分析的可辨识性在结构稀疏性、不完备性、灵活分组结构等限制条件下得到了一系列新的可辨识性结果，支持实验证据在合成和真实数据集上。

    Nov, 2023

  • 一种用于纵向神经影像研究的分层独立成分分析模型

    本文提出了一种新的长期独立成分模型 (L-ICA)，可以更准确地估计个体和总体层面上脑功能网络的变化，并通过包含随机和访问特定的协变量效应来提高重复测量成像数据处理的统计功效。通过将 L-ICA 应用于 ADNI2 研究，提出了在失智症时脑功能网络变化的生物学见解。

    Aug, 2018

  • ICLabel：一种自动化的脑电独立成分分类器、数据集和网站

    本文介绍 ICLabel 项目，该项目包括 IC 数据集、用于收集众包 IC 标签的网站和自动分类器。ICLabel 分类器的优点在于改进了计算的标签估计的准确性和增强了计算效率，它在所有测量 IC 类别中优于或与此前公开可用的最佳方法表现相当，并比该分类器快 10 倍。

    Jan, 2019