AdaptiveMotorControlLab/CEBRA

解決する課題

CEBRAは、特に生物学や神経科学における高次元時系列記録の解析という課題に対処します。補助変数を用いて学習プロセスをガイドすることで、複雑なデータから一貫性のある低次元表現（潜在空間）を見つけ出し、行動変数のデコード精度を向上させ、ドメインシフトに対して堅牢な埋め込みを実現します。

仕組み

このライブラリは、PyTorchで実装された自己教師あり学習アルゴリズムを使用しています。特許取得済みの非線形クラスタリング手法を採用しており、ラベル情報を活用した時系列解析が可能です。行動データと神経データを共同で解析することで、活動や行動を駆動する基礎的な変数を捉えた潜在埋め込みを生成します。

対象ユーザー

主に高次元記録を扱う生物学や神経科学の研究者向けに設計されていますが、あらゆる高次元時系列データに適用可能です。

ハイライト

• PyTorchで実装された自己教師あり学習アルゴリズム。
• 神経科学や生物学で一般的な多様なデータセットをサポート。
• ドメインシフトに対して堅牢な埋め込みを生成。
• 標準的な教師あり学習と比較して、行動変数のデコード精度を向上。