CEBRA
v0.4.0
Dokumentation | Demos | Installation | ? Startseite | Nachrichten | ? Meldungsprobleme
CEBRA ist eine Bibliothek zur Schätzung von Cansistenten E m B -Eddings hochdimensionaler Aufgaben unter Verwendung einer uxiliären Variablen. Es enthält selbst beträchtliche Lernalgorithmen, die in Pytorch implementiert sind, und unterstützt eine Vielzahl verschiedener Datensätze, die in Biologie und Neurowissenschaften gemeinsam sind.
Um Updates zu Code -Veröffentlichungen zu erhalten, bitte? Sehen Sie sich dieses Repository an oder sparen Sie!
cebra ist eine selbstbewertete Methode zur nichtlinearen Clusterbildung, mit der die Analyse der Label-informierten Zeitreihen ermöglicht. Es kann gemeinsam Verhaltens- und neuronale Daten in hypothesen- oder entdeckungsgetriebener Weise verwenden, um konsistente latente Räume mit leistungsstarker Leistung zu erzeugen. Während es nicht spezifisch für neuronale und verhaltensbezogene Daten ist, ist dies die erste Domäne, in der wir das Tool verwendet haben. In diesem Anwendungsfall wird eine konsistente Darstellung latenter Variablen, die Aktivität und Verhalten anträgen,, die Decodierungsgenauigkeit von Verhaltensvariablen gegenüber Standard -beaufsichtigtem Lernen verbessern und Einbettungen erhalten, die auf Domänenverschiebungen robust sind.
? Veröffentlichung Mai 2023 : Lernbare latente Einbettungen für gemeinsame Verhaltens- und Neuralanalysen. Steffen Schneider*, Jin Hwa Lee* und Mackenzie Weygandt Mathis. Natur 2023.
? Preprint April 2022 : Lernbare latente Einbettungen für gemeinsame Verhaltens- und Neuralanalysen. Steffen Schneider*, Jin Hwa Lee* und Mackenzie Weygandt Mathis
