用于联合行为和神经分析的可学习潜在嵌入
提示:添加于 5 月 8 日
官方网站:立即使用
斑马特征
Cebra 是一种机器学习工具,它使用非线性技术从同时记录的联合行为和神经数据中创建一致且高性能的潜在空间。
主要特征:
-
神经潜在嵌入:用于假设检验和发现驱动的分析。
-
经过验证的准确性:在钙和电生理学数据集、感觉和运动任务以及跨物种的简单或复杂行为上证明了有效性。
-
多会话和无标签:可以与单会话或多会话数据集一起使用,并且没有标签。
-
高精度解码:提供视觉皮层自然电影的快速解码。
-
代码可用性:访问 GitHub 上的工具代码并阅读 arxiv.org 上的预印本。
用例:
• 分析和解码行为和神经数据以揭示潜在的神经表征。
• 映射和揭示神经科学研究中的复杂运动学特征。
• 在各种数据类型和实验中产生一致的潜在空间。
对于希望分析和解码行为和神经数据的神经科学家来说,Cebra 是一个有价值的工具,使他们能够更好地理解适应性行为中涉及的潜在神经表征。
声明:本站部分文章来源于网络,如有侵犯您的合法权益,请您即时与我们联系,我们将在第一时间处理。如需转载本站文章,请在转载时标明出处并保留原文链接,否则我们将保留追究法律责任的权利。