热点事件持续更新

Transformer仅凭512神经元解码小鼠视觉皮层偏好

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

2026年9月19日，Francesco Lässig在arXiv发布论文（arXiv:2611.06927），提出一种基于Transformer的神经解码方法。该模型在缺乏标签及刺激条件的情况下，仅利用512个采样神经元的关联矩阵，将小鼠视觉皮层神经元偏好朝向的解码平均误差降至25°。后续报道确认，该模型在数字孪生基底上将误差优化至20°，并达到0.48的R²值。这一结果证明神经间关联结构足以恢复部分特征表示，验证了相关矩阵在神经解码中的有效性。

AI 根据报道生成 · 22 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

13:00
arXiv · ML
Transformer 仅凭 512 个神经元的关联矩阵解码小鼠视觉皮层偏好朝向
Transformer 模型在缺乏标签及刺激条件的情况下，仅通过 512 个采样神经元的关联矩阵，将小鼠视觉皮层神经元偏好朝向的解码平均误差降至 25°。模型同时在数字孪生基底上将误差优化至 20°，并达到 0.48 的 R^2 值，证明神经间关联结构足以恢复部分特征表示。

本事件热度走势

可比范围当前: 5
可比范围峰值: 911月6日 15:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。