PulseAugur
实时 10:58:20
English(EN) NeuroPB: Scaling Neural Decoding with Pretrained Behavioral Representations

NeuroPB框架通过行为数据增强脑机接口

研究人员开发了NeuroPB,一个旨在通过利用预训练的行为表征来改进脑机接口(BCI)的新框架。该方法将来自大规模运动行为数据的知识转移,以增强神经解码,特别是在神经数据有限的情况下。NeuroPB在多样化的行为数据上预训练一个运动编码器,然后将其与神经活动对齐,从而改进轨迹解码,并在不同记录会话和受试者之间实现更好的泛化。该框架有望用于创建更高效、高性能的BCI。 AI

影响 NeuroPB通过使用更少的神经数据实现更好的解码,从而可能显著提高脑机接口的效率和性能。

排序理由 详细介绍神经解码新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

NeuroPB框架通过行为数据增强脑机接口

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Luyao Jin, Yonghao Song, Huan Zhao, Vincent C. K. Cheung, Wei-Hsin Liao ·

    NeuroPB: Scaling Neural Decoding with Pretrained Behavioral Representations

    arXiv:2608.04389v1 Announce Type: new Abstract: Decoding continuous motor trajectories from neural activity is essential for developing practical brain-computer interfaces (BCIs). However, current neural decoders are constrained by the limited scale and heterogeneity of neural re…