English(EN) Fine-tuning language encoding models on slow fMRI improves prediction for fast ECoG

fMRI数据增强了对更快脑信号的预测模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-19 00:49

研究人员开发了一种新方法，通过使用fMRI数据微调语言编码模型来提高脑活动预测能力。尽管fMRI的时间分辨率远低于ECoG，但在fMRI上训练的模型在ECoG数据上的预测性能有所提高。即使fMRI数据被时间降采样，这种方法也成功实现了泛化，表明较慢的脑记录方法对于构建更优的快速脑信号模型具有价值。 AI

影响新方法展示了较慢的神经成像数据如何改进对更快脑信号预测的模型。

排序理由学术论文，详细介绍了使用fMRI数据改进脑信号预测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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]

arXiv cs.CL TIER_1 English(EN) · Alexander G. Huth · 2026-05-19 00:49

Fine-tuning language encoding models on slow fMRI improves prediction for fast ECoG

Neuroscientists have recently turned to intracranial brain recording methods, like electrocorticography (ECoG), for human experiments because of the fine spatial and temporal resolution that they afford. Models trained on this data, however, are fundamentally restricted by the pa…

报道来源 [1]

Fine-tuning language encoding models on slow fMRI improves prediction for fast ECoG

相关实体

相关话题