面向自动自适应鼠笼训练的数据增强

完全优化行为训练协议的自动化对于科研人员来说长期以来都是一个向往的目标。这是一项需要动物与研究人员密切互动的、耗时且工作量大的过程。在本工作中，我们采用数据驱动的方法来优化实验室中鼠笼的训练方式。为实现我们的目标，我们关注数据增强技术，这种技术在数据稀缺环境中效果良好。通过数据增强，我们构建了多个人工鼠笼模型，这些模型最终将用于构建一个高效且自动的训练器。随后我们发展了一种基于动作概率分布的新型相似度度量方法，用于衡量我们的模型与真实鼠笼行为的相似性。