深度超对齐
神经元与认知
2017-10-12 v1 计算机视觉与模式识别
机器学习
摘要
本文提出了深度超对齐（Deep Hyperalignment, DHA），作为一种正则化的、可扩展的深度超对齐（HA）方法，该方法非常适用于对具有非线性、高维性（广泛感兴趣区域 ROI）和大量受试者的 fMRI 数据集进行功能对齐。与以往的方法不同，DHA 不受限于固定的核函数。此外，它采用参数化方法，利用秩 - 奇异值分解（SVD）和随机梯度下降进行优化。因此，DHA 具有适合大规模数据集的时间复杂度，且在计算新受试者的功能对齐时无需训练数据。在多受试者 fMRI 分析的实验研究证实，DHA 方法的性能优于其他最先进的 HA 算法。
引用
@article{arxiv.1710.03923,
title = {Deep Hyperalignment},
author = {Muhammad Yousefnezhad and Daoqiang Zhang},
journal= {arXiv preprint arXiv:1710.03923},
year = {2017}
}
备注
31st Conference on Neural Information Processing Systems (NIPS 2017), Long Beach, CA, USA