报道来源: 神经计算与控制实验室表推文来源本文给大家分享的是由Subba Reddy Oota, Manish Gupta, Raju S. Bapi, Gael Jobard Frederic Alexandre, Xavier Hinaut于2023年7月在arxiv上预印的论文, Deep Neural Networks and Brain Alignment: Brain Encoding and Decoding (Survey)。文章主要探讨了在功能性磁共振成像(fMRI)数据的背景下深度神经网络在大脑编码和解码中的应用。文章首先总结了各类刺激的表征方式,并简述了神经科学领域的大型数据集。然后作者回顾了过去一些基于深度学习的编码和解码模型,以及它们的优点和局限性。最后文章对不足和未来趋势进行简要总结和讨论。一、刺激的表征Stimulus Representations作者在这一部分总结了各种刺激材料的表征方法,包括文本、视觉图片、音频、多模态刺激。【NCC lab注】:刺激的表征(stimulus representation)是指将高维的刺激降维到低维的表征
………………………………