ST-VTD

新的ST-VTD框架改进了神经影像时空数据分析

研究人员开发了一个名为时空变分张量分解（ST-VTD）的新框架，以更好地模拟多主体时空数据（尤其是在神经影像领域）中复杂、受试者特定的模式。该方法将张量分解生成模型与结构化先验相结合，为空间因子使用低秩结构，为时间动态使用基于长短期记忆（LSTM）的学习先验。该框架利用了摊销变分公式进行后验推理，并结合了基于组独立成分分析的预热策略以增强优化。在合成fMRI数据上的实验表明，与现有基准相比，ST-VTD显著提高了潜在因子的恢复能力。