Cebra是一种机器学习工具,它使用非线性技术,根据同时记录的联合行为和神经数据创建一致和高性能的潜在空间。
主要特点:
- 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的有效性。
- 多会话和无标签:可用于没有标签的单会话或多会话数据集。
- 高精度解码:提供从视觉皮质快速解码自然电影。
- 代码可用性:在GitHub上访问该工具的代码,并在arxiv.org上阅读预印本。
使用案例:
·分析和解码行为和神经数据,以揭示潜在的神经表征。
·绘制并揭示神经科学研究中复杂的运动学特征。
·在各种数据类型和实验中产生一致的潜在空间。
Cebra对于希望分析和解码行为和神经数据的神经科学家来说,这是一个宝贵的工具,使他们能够更好地理解与适应行为有关的潜在神经表征。
相关导航
暂无评论...