Jun, 2024

潜在整合的最优运输及其在异质神经活动数据中的应用

PDF
TL;DR提出了一种基于最优输运的异质数据整合框架，能够在复杂生物过程中提取共享模式，增强辨别力并降低信号无关的杂质，有效地对齐纵向数据并捕捉共享模式的动态，适用于少数受试者的实验。
dynamic patternsheterogeneous datasetsneuronal activitymemorydata integration
发现论文，激发创造
  • 潜在动力学中的时空结构提取与恢复：扩散模型对齐

    该论文提出了一种基于扩散模型的方法，用于在跨域和跨主体领域中提高神经人口活动的对齐质量，维护潜在动态的时空结构，并实现超过现有方法的对齐质量。

    Jun, 2023

  • 跨用户活动识别通过时间关系最优传输

    本文介绍了基于时间关系的最优运输（TROT）方法，利用时间关系来放松独立同分布的假设，实现准确、高效的跨用户活动识别领域自适应，并通过隐藏马尔可夫模型（HMM）和最优运输（OT）技术对活动进行时间关系对齐。综合实验表明，TROT 在三个公共活动识别数据集上优于其他先进方法。

    Mar, 2024

  • 循环一致的半耦合神经非平衡最优输运

    本文提出了一种名为 NubOT 的神经非平衡最优输运 (OT) 方案，针对单细胞生物学领域中在不同时间点上获取的未配对分布或人群的比较问题，通过半耦合形式学习数据分布之间的最优耦合，解决了传统 OT 中质量守恒假设在人群大小变化时的不平衡场景下失效的问题，并应用到肿瘤细胞药物敏感性预测中，获得了明显的优化效果。

    Sep, 2022

  • 结构化最优输运

    本文提出一个非线性广义离散最优传输模型，可应用于领域自适应和自然语言处理中，同时探索其快速算法和相关属性。Illustrative experiments 展示了模型引导的结构耦合的好处。

    Dec, 2017

  • 最优传输中的模型融合

    该研究提出了一种基于神经网络的逐层模型融合算法，使用最优传输方法将多个模型中的神经元对齐，并将其相关参数平均化，以实现 “一次性” 知识转移，从而有效地提高了模型的性能和压缩率。

    Oct, 2019

  • 神经最优传输

    该研究介绍了一种基于神经网络的算法，用于计算强和弱输运成本的最优输运图和计划，并证明了神经网络是概率分布之间传输计划的通用逼近器。通过在玩具示例和非成对图像翻译上评估我们的最优输运算法的性能。

    Jan, 2022

  • TrajectoryNet：用于建模细胞动态的动态最优输运网络

    本文介绍了一种将连续归一化流和动态最优传输相结合的建模方法，该方法能够模拟动态过程中数据的期望路径，并提出了 TrajectoryNet 模型，从而在 single-cell RNA 测序数据的细胞动态研究中取得了良好的效果。

    Feb, 2020

  • 在生态有效环境中解码神经活动以评估个体潜在状态

    本文提出使用脑机接口的域泛化方法，以解决在更生态有效的情景下观察到的神经活动模式是否可以用于准确推断潜在状态、相关认知过程或个体近端行为等问题，并将其应用于驾驶相关任务中，从而表现出实验设计的生态效度，并为了解复杂任务期间观察到的神经活动和行为之间关系提供了一个方法。

    Apr, 2023

  • 基于子结构最优传输的跨域活动识别

    本篇论文提出了一种基于子结构匹配的领域自适应（SSDA) 方法，以更好地利用活动数据的局部信息进行精确和高效的知识转移，通过实验验证，在四个公共活动识别数据集上，相对于其他最先进的方法，SSDA 显著提高了 9% + 的分类精度，并且与使用相同超参数的传统基于超参数的 DA 方法相比，其速度提高了 5 倍。

    Jan, 2021

  • 神经网络训练的最小作用量原理

    通过将神经网络视为一种随时间推移的动力系统，我们发现网络的输运映射中存在低动能位移偏差，并将其与泛化性能相关联，从而提出了一种新的学习算法，该算法可自动适应给定任务的复杂度，并在低数据情况下产生具有高泛化能力的网络。

    Sep, 2020