研究人员开发了一个任务条件潜在对齐（TCLA）框架，以在特定记录会话数据有限的情况下改进神经解码。TCLA利用自编码器从数据丰富的源会话中学习表征，然后以任务为条件的方式对齐目标会话数据。这种方法增强了稀疏数据目标会话中的解码器训练，展示了显著的性能提升，例如在运动任务的速度解码中，判定系数增加了0.386。 AI
影响 在数据有限的情况下提高了神经解码性能，可能有助于神经科学研究和脑机接口的开发。
排序理由 一篇在arXiv上发表的学术论文，详细介绍了一种新的神经解码框架。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2601.19963v2 Announce Type: replace Abstract: Training a high-performing neural decoder can be difficult when only limited data are available from a recording session. To address this challenge, we propose a Task-Conditioned Latent Alignment framework (TCLA) for cross-sessi…