使用变分自编码器对脑集体动力学进行生成式嵌入
神经元与认知
2020-07-06 v1
摘要
我们考虑基于少量不同观测将耦合动力系统间的两两相关性编码到低维潜空间的问题。我们使用变分自编码器(VAE)将由清醒-睡眠周期中脑状态建模的耦合非线性振荡器间的时间相关性嵌入到二维流形中。用两种不同参数组合生成的样本训练 VAE,得到了一种表示整个集体动力学库以及底层连接网络拓扑的嵌入。我们首先遵循该方法从轨迹的两个端点推断从清醒到深睡的脑状态轨迹;接着,我们展示了同一架构能够表示由复杂网络拓扑耦合的通用 Landau-Stuart 振荡器的两两相关性。
引用
@article{arxiv.2007.01378,
title = {Generative embeddings of brain collective dynamics using variational autoencoders},
author = {Yonatan Sanz Perl and Hernán Boccacio and Ignacio Pérez-Ipiña and Federico Zamberlán and Helmut Laufs and Morten Kringelbach and Gustavo Deco and Enzo Tagliazucchi},
journal= {arXiv preprint arXiv:2007.01378},
year = {2020}
}