Cebra 是一種先進的機器學習工具,它使用尖端的非線性技術,根據同時記錄的聯合行為和神經數據創建一致且高性能的潛在空間。以下是該工具的主要功能和優點:
神經潛在嵌入:用於假設檢驗和發現驅動的分析,使神經科學家能夠揭示與適應性行為有關的潛在神經表徵。
經過驗證的準確性:Cebra 的功效已在鈣和電生理學數據集、感覺和運動任務以及跨物種的簡單或複雜行為上得到證明,確保結果高度準確。
多會話和無標籤:Cebra 可以與單會話和多會話數據集一起使用,並且無需標籤,從而增加了分析不同類型數據時的多功能性。
高精度解碼:Cebra 提供對視覺皮層自然電影的快速解碼,加速研究進程。
代碼可用性:該工具的代碼可在 GitHub 上獲取,用戶可以在 arxiv.org 上閱讀預印本,從而提供透明度並促進協作。
Cebra 的用例包括分析和解碼行為和神經數據、映射和揭示神經科學研究中的複雜運動學特徵,以及在各種數據類型和實驗中生成一致的潛在空間。
總體而言,對於希望提高研究能力並更好地了解複雜行為的神經基礎的神經科學家來說,Cebra 是一個非常有價值且必要的工具。