神经动力学的变分在线学习
摘要：记录复杂行为期间大规模神经群体活动的新技术为研究感知、认知和决策基础的神经计算提供了令人兴奋的机会。非线性状态空间模型将直观的动力系统与概率观测模型相结合，提供了一个可解释的信号处理框架，可以揭示神经动力学、神经计算和神经假肢和治疗发展的洞见。由于神经系统的神经动力学和潜在动力系统都是未知的，因此提出了学习这两者的挑战。我们开发了一个灵活的在线学习框架，用于潜在非线性状态动力学和滤波潜在状态。使用随机梯度变分贝叶斯方法，我们的方法联合优化非线性动力系统的参数、观测模型和黑盒识别模型。与之前的方法不同，我们的框架可以融入复杂的观测噪声分布，并具有恒定的时间和空间复杂度。这些特性使得我们的方法适用于实时应用，并有潜力通过设计刺激来自动化分析和实验设计，以影响学习行为。
作者：Yuan Zhao and Il Memming Park
论文ID：1707.09049
分类：Machine Learning
分类简称：stat.ML
提交时间：2020-06-30