Laplace-EM

新的MTS-SLDS框架模拟多时间尺度神经动力学

研究人员开发了一个名为多时间尺度切换线性动力学系统（MTS-SLDS）的新框架，以更好地理解神经计算。该模型旨在从神经记录中识别特定状态下的潜在时间尺度，解决了传统自相关拟合方法在处理高维数据和不断变化的行为条件时的局限性。MTS-SLDS框架结合了多滞后矩初始化和状态条件下的拉普拉斯-EM推断，可以直接从学习到的潜在转移矩阵中提取特征时间尺度。使用高斯和泊松观测的合成和真实神经数据的实验表明，MTS-SLDS可以准确地恢复时间尺度和切换结构。