Jul, 2024
模型和大脑之间的相似度分数的可微优化
Differentiable Optimization of Similarity Scores Between Models and
Brains
TL;DR通过线性回归、中心化核对齐（CKA）和角度普洛克斯特斯距离等方法，量化模型与大脑之间的相似性，分析非人类灵长类动物记录的神经活动，并优化合成数据集以增加与神经记录的相似性。不同相似性度量的限制性将使得一些度量如线性回归和CKA在无法线性解码任务相关变量时仍具有高相似性得分，而角度普洛克斯特斯则更早地捕捉到高方差维度。我们展示了在不同主成分受到扰动时这些得分如何改变，并最终通过联合优化多个相似性得分，发现它们的允许范围，并表明高角度普洛克斯特斯相似性得分，例如，意味着高CKA得分，但反之亦然。