用于灵长类眼动决策解码的多视图宽度学习系统
神经元与认知
2020-07-06 v3 人工智能
机器学习
摘要
多视图学习通过利用多视图数据（从多个来源收集的数据，或从同一数据源提取的特征集）来提升学习性能。该方法适用于利用皮层神经信号进行灵长类脑状态解码。这是因为同时记录的神经信号、局部场电位（LFPs）和动作电位（spikes）的互补成分可被视为两个视图。在本文中，我们将近期提出的宽神经网络架构——宽度学习系统（BLS）从单视图学习扩展到多视图学习，并验证了其在从内侧额叶 LFPs 和 spikes 解码猴子眼动决策中的性能。我们证明了非人灵长类内侧额叶 LFPs 和 spikes 确实包含关于眼动决策的互补信息，并且所提出的多视图 BLS 比几种经典及最先进的单视图和多视图学习方法能更有效地解码眼动决策。
引用
@article{arxiv.1908.06180,
title = {Multi-View Broad Learning System for Primate Oculomotor Decision Decoding},
author = {Zhenhua Shi and Xiaomo Chen and Changming Zhao and He He and Veit Stuphorn and Dongrui Wu},
journal= {arXiv preprint arXiv:1908.06180},
year = {2020}
}