Allineamento Latente Condizionato dal Compito per la Decodifica Neurale Cross-Sessione
Un nuovo framework chiamato Allineamento Latente Condizionato dal Compito (TCLA) è stato introdotto dai ricercatori per migliorare la decodifica neurale cross-sessione, in particolare quando i dati della sessione target sono scarsi. TCLA utilizza un autoencoder per derivare rappresentazioni neurali a bassa dimensionalità da una sessione sorgente ricca di dati, allineando successivamente le rappresentazioni latenti del target a quelle della sorgente in modo condizionato dal compito. Testato su dataset di compiti di raggiungimento motorio e oculomotorio di macachi, TCLA ha costantemente superato le tecniche di base che si basavano esclusivamente sui dati della sessione target, portando a prestazioni di decodifica migliori in vari dataset e condizioni.
Fatti principali
- TCLA è un framework per la decodifica neurale cross-sessione con dati limitati della sessione target.
- Utilizza un autoencoder per apprendere rappresentazioni neurali a bassa dimensionalità da una sessione sorgente.
- Le rappresentazioni latenti del target sono allineate alla sessione sorgente in modo condizionato dal compito.
- Valutato su dataset di compiti di raggiungimento motorio e oculomotorio di macachi.
- TCLA migliora costantemente le prestazioni di decodifica rispetto alle baseline addestrate solo sui dati della sessione target.
- L'articolo è disponibile su arXiv con ID 2601.19963.
- Il tipo di annuncio è replace-cross.
- Il framework affronta la sfida dei dati limitati nelle sessioni di registrazione.
Entità
Istituzioni
- arXiv