研究人员已将一种自监督学习架构——联合嵌入预测架构（JEPA）——应用于解码感觉诱发的功能磁共振成像（fMRI）数据。该方法仅在没有直接访问刺激图像的情况下，对大脑数据进行编码器训练。应用于自然场景数据集（NSD）后，学习到的大脑嵌入在诸如大脑字幕生成和图像重建等下游任务上表现出有竞争力，甚至优于一些监督方法。值得注意的是，为不同参与者独立训练的编码器可以进行无监督对齐，从而允许在一名个体上训练的解码头在另一名个体上应用，而性能损失极小。 AI
影响 这项研究可能通过消除训练期间对刺激的直接访问需求，从而实现跨参与者和跨数据集的功能磁共振成像（fMRI）数据的汇集。
排序理由 该项目是一篇学术论文，详细介绍了使用自监督学习分析功能磁共振成像（fMRI）数据的创新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- cs.LG
- DagsHub
- functional magnetic resonance imaging
- Hugging Face
- IArxiv
- Natural Scenes Dataset (NSD)
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
