Cebra è uno strumento avanzato di apprendimento automatico che utilizza tecniche non lineari per generare spazi latenti affidabili e ad alte prestazioni a partire da dati comportamentali e neurali registrati contemporaneamente.
Caratteristiche principali:
– Embedding neurale latente: utilizzabile per testare ipotesi e analisi basate sulla scoperta.
– Precisione verificata: efficacia comprovata su dataset di calcio e elettrofisiologia, compiti sensoriali e motori e comportamenti semplici o complessi in diverse specie.
– Multi-sessione e senza etichette: applicabile a dataset singoli o multi-sessione senza la necessità di etichette.
– Decodifica precisa: consente la decodifica rapida di film naturali dalla corteccia visiva.
– Disponibilità del codice: accedi al codice dello strumento su GitHub e leggi la pre-stampa su arxiv.org.
Casi d’uso:
– Analizzare e decodificare dati comportamentali e neurali per scoprire rappresentazioni neurali sottostanti.
– Mappare e rivelare caratteristiche cinematiche intricate nella ricerca neuroscientifica.
– Generare spazi latenti coerenti tra diversi tipi di dati e esperimenti.
Cebra è una risorsa preziosa per i neuroscienziati che mirano ad analizzare e decodificare dati comportamentali e neurali, consentendo loro di acquisire una comprensione più profonda delle rappresentazioni neurali coinvolte nei comportamenti adattivi.
