实体 low-rank RNNs

low-rank RNNs

PulseAugur coverage of low-rank RNNs — every cluster mentioning low-rank RNNs 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_68533 · Jun 3 · 04:00

新RNN框架提升神经数据可解释性

研究人员开发了一个名为因子化循环神经网络（FacRNN）的新框架，以提高用于分析神经活动的低秩RNN的可解释性。该模型在潜在动力学之间引入了分组独立性，从而可以为不同的神经维度分配更明确的计算角色。在合成和真实神经数据上的实验表明，与标准的低秩RNN相比，FacRNN增强了学习到的神经轨迹和连接性的解耦和可解释性。