Neural Latents Benchmark '21：神经群体活动隐变量模型评估
机器学习
2022-01-19 v4 神经元与认知
摘要
神经记录技术的进步为以前所未有的细节研究神经活动提供了越来越多的机会。隐变量模型是分析跨不同神经系统和行为的丰富活动的有力工具，因为 LVMs 不依赖于活动与外部实验变量之间的已知关系。然而，由于缺乏标准化，目前用于神经群体活动的 LVMs 的进展受到了阻碍，导致方法的开发和比较以临时方式进行。为了协调这些建模工作，我们引入了一个用于神经群体活动隐变量建模的基准测试套件。我们从认知、感觉和运动区域策划了四个神经脉冲活动数据集，以促进适用于这些区域所见广泛活动的模型。我们将无监督评估确定为跨数据集评估模型的通用框架，并应用了多个展示基准多样性的基线。我们通过 EvalAI 发布了此基准测试。http://neurallatents.github.io
引用
@article{arxiv.2109.04463,
title = {Neural Latents Benchmark '21: Evaluating latent variable models of neural population activity},
author = {Felix Pei and Joel Ye and David Zoltowski and Anqi Wu and Raeed H. Chowdhury and Hansem Sohn and Joseph E. O'Doherty and Krishna V. Shenoy and Matthew T. Kaufman and Mark Churchland and Mehrdad Jazayeri and Lee E. Miller and Jonathan Pillow and Il Memming Park and Eva L. Dyer and Chethan Pandarinath},
journal= {arXiv preprint arXiv:2109.04463},
year = {2022}
}