实体 Amjad Seyedi

Amjad Seyedi

PulseAugur coverage of Amjad Seyedi — every cluster mentioning Amjad Seyedi across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_269004 · Sep 29 · 04:00

新的SD3MF框架增强了脑网络分析的可解释性

研究人员开发了一个名为监督式深度多模态矩阵分解（SD3MF）的新框架，旨在提高脑网络分析的可解释性，同时保持高预测准确性。该方法将传统的矩阵分解技术扩展到处理多模态数据和监督预测任务。实验表明，在分析连接组数据集方面，SD3MF的表现优于卷积神经网络（CNN）和图神经网络（GNN）等深度学习模型，并提供了生物学上可解释的见解。