Learnable latent embeddings for joint behavioural and neural analysis | nature (2023)
Steffen Schneider
,
Jin Hwa Lee
&
Mackenzie Weygandt Mathis
https://doi.org/10.1038/s41586-023-06031-6
hl.icon
独立成分分析(independent component analysis; ICA)
自己教師あり学習(Self-Supervised Learning; SSL)
対象学習(Contrastive Learning; CL)
コストの計算：
Information Noise Contrastive Estimation; InfoNCE
Topological Data Analysis; TDA
t-SNE(t-distributed Stochastic Neighbor Embedding)
や
UMAP
と比較しても、個体間で一貫したlatent spaceを構築できる
Naa_tsure.icon
EX.Fig-7のRat3ぐらいの曖昧さはどの頻度で生じるんだろうか？
４個体の比較だと心許ない感じはする
個体間で統合してlatent speceを推定することができるらしい
k近傍法( k-nearest neighbor algorithm; k-NN)
を用いて、
latent space
から行動や感覚刺激を
デコーディング(Decoding)
できる
どの神経細胞がlatent var. に重要なのかもチェックできる
Time-series attribution maps with regularized contrastive learning