研究人员开发了一种新颖的框架，用于解码不同主体之间的神经表征，解决了侵入性神经记录中主体间变异性的挑战。该方法将来自多个个体的语音感知神经反应对齐到一个共享的潜在空间中，使解码器能够将这些对齐的表征映射到上下文嵌入。该方法通过减少主体特异性差异同时捕捉共享的刺激相关信息，在实验中表现出改进的跨主体泛化能力，优于基线方法。 AI
排序理由 该集群包含一篇详细介绍神经表征学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Cross-Subject Semantic Decoding with Shared-Space Alignment for Generalized Neural Representation Learning
- electrocorticography
- Hugging Face
- shared response model
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
