English(EN) Supervised Deep Multimodal Matrix Factorization for Interpretable Brain Network Analysis

新框架整合多模态脑网络分析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-13 10:26

研究人员开发了监督式深度多模态矩阵分解（SD3MF），一种用于分析脑网络的新型框架。这种可解释的方法将传统的矩阵分解扩展到处理跨模态图的监督预测。SD3MF联合学习每个数据模态的深度分解以及一个共享表示以对齐受试者，从而实现数据驱动的融合并产生可解释的特征。 AI

影响引入了一个新的可解释脑网络分析框架，其性能优于现有的深度学习方法。

排序理由该集群描述了一篇介绍新数据分析框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

Hugging Face Daily Papers TIER_1 English(EN) · 2026-05-13 10:26

Supervised Deep Multimodal Matrix Factorization for Interpretable Brain Network Analysis

We present Supervised Deep Multimodal Matrix Factorization (SD3MF), an interpretable framework for integrative brain network analysis that generalizes Symmetric Nonnegative Matrix Tri-Factorization (SNMTF) from unsupervised single-graph clustering to supervised prediction over po…