Buchumschlag

Modeling Latent Neural Dynamics with Gaussian Process Switching Linear Dynamical Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Amber, Zoltowski, David, Nair, Aditya, Anderson, David, Duncker, Lea, Linderman, Scott
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neurons and Cognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Separating the what and how of compositional computation to enable reuse and continual learning
von: Shan, Haozhe, et al.
Veröffentlicht: (2025)

Modeling Neural Activity with Conditionally Linear Dynamical Systems
von: Geadah, Victor, et al.
Veröffentlicht: (2025)

Langevin Flows for Modeling Neural Latent Dynamics
von: Song, Yue, et al.
Veröffentlicht: (2025)

Latent Variable Double Gaussian Process Model for Decoding Complex Neural Data
von: Ziaei, Navid, et al.
Veröffentlicht: (2024)

Generative Modeling of Neural Dynamics via Latent Stochastic Differential Equations
von: ElGazzar, Ahmed, et al.
Veröffentlicht: (2024)

Extraction and Recovery of Spatio-Temporal Structure in Latent Dynamics Alignment with Diffusion Models
von: Wang, Yule, et al.
Veröffentlicht: (2023)

Multi-modal Gaussian Process Variational Autoencoders for Neural and Behavioral Data
von: Gondur, Rabia, et al.
Veröffentlicht: (2023)

Dynamics of Supervised and Reinforcement Learning in the Non-Linear Perceptron
von: Schmid, Christian, et al.
Veröffentlicht: (2024)

Meta-Dynamical State Space Models for Integrative Neural Data Analysis
von: Vermani, Ayesha, et al.
Veröffentlicht: (2024)

Latent Diffusion for Neural Spiking Data
von: Kapoor, Jaivardhan, et al.
Veröffentlicht: (2024)

Identifying Connectivity Distributions from Neural Dynamics Using Flows
von: Kim, Timothy Doyeon, et al.
Veröffentlicht: (2026)

Probabilistic Prediction of Neural Dynamics via Autoregressive Flow Matching
von: Rogalla, Nicole, et al.
Veröffentlicht: (2026)

The Gaussian-Linear Hidden Markov model: a Python package
von: Vidaurre, Diego, et al.
Veröffentlicht: (2023)

Probabilistic Recurrent Intention Switching Model
von: Sheng, Wenyuan, et al.
Veröffentlicht: (2026)

Brain-to-Text Benchmark '24: Lessons Learned
von: Willett, Francis R., et al.
Veröffentlicht: (2024)

BACE: Behavior-Adaptive Connectivity Estimation for Interpretable Graphs of Neural Dynamics
von: Asadi, Mehrnaz, et al.
Veröffentlicht: (2025)

Diffusion-Based Generation of Neural Activity from Disentangled Latent Codes
von: McCart, Jonathan D., et al.
Veröffentlicht: (2024)

Time-Resolved EEG Decoding of Semantic Processing Reveals Altered Neural Dynamics in Depression and Suicidality
von: Jeong, Woojae, et al.
Veröffentlicht: (2025)

Machine Learning for Complex Systems Dynamics: Detecting Bifurcations in Dynamical Systems with Deep Neural Networks
von: Pal, Swadesh, et al.
Veröffentlicht: (2026)

From Observed Viability to Internal Predictive Approximation: A Single-Subject Latent-Space Analysis of Gait Dynamics Under Occlusal Constraint
von: Raynal, Jacques, et al.
Veröffentlicht: (2026)

Benchmarking Probabilistic Time Series Forecasting Models on Neural Activity
von: Lu, Ziyu, et al.
Veröffentlicht: (2025)

Discovering Dynamic Effective Connectome of Brain with Bayesian Dynamic DAG Learning
von: Bagheri, Abdolmahdi, et al.
Veröffentlicht: (2023)

Bayesian Active Learning for Discrete Latent Variable Models
von: Jha, Aditi, et al.
Veröffentlicht: (2022)

Learning Mixtures of Linear Dynamical Systems via Hybrid Tensor-EM Method
von: Gong, Lulu, et al.
Veröffentlicht: (2025)

Nonlinear Dynamical Modeling of Human Intracranial Brain Activity with Flexible Inference
von: Vaziri, Kiarash, et al.
Veröffentlicht: (2025)

A Foundational Brain Dynamics Model via Stochastic Optimal Control
von: Park, Joonhyeong, et al.
Veröffentlicht: (2025)

Attention for Causal Relationship Discovery from Biological Neural Dynamics
von: Lu, Ziyu, et al.
Veröffentlicht: (2023)

SynapsNet: Enhancing Neuronal Population Dynamics Modeling via Learning Functional Connectivity
von: Delavari, Parsa, et al.
Veröffentlicht: (2024)

Multi-Region Markovian Gaussian Process: An Efficient Method to Discover Directional Communications Across Multiple Brain Regions
von: Li, Weihan, et al.
Veröffentlicht: (2024)

ASD Classification on Dynamic Brain Connectome using Temporal Random Walk with Transformer-based Dynamic Network Embedding
von: Piriyasatit, Suchanuch, et al.
Veröffentlicht: (2025)

Observable Performance Does Not Fully Reflect System Organization: A Multi-Level Analysis of Gait Dynamics Under Occlusal Constraint
von: Raynal, Jacques, et al.
Veröffentlicht: (2026)

When Representations Align: Universality in Representation Learning Dynamics
von: van Rossem, Loek, et al.
Veröffentlicht: (2024)

BRAID: Input-Driven Nonlinear Dynamical Modeling of Neural-Behavioral Data
von: Vahidi, Parsa, et al.
Veröffentlicht: (2025)

Fast Multi-Group Gaussian Process Factor Models
von: Gokcen, Evren, et al.
Veröffentlicht: (2024)

Dynamic Manifold Hopfield Networks for Context-Dependent Associative Memory
von: Li, Chong, et al.
Veröffentlicht: (2025)

Latent Representation Learning for Multimodal Brain Activity Translation
von: Afrasiyabi, Arman, et al.
Veröffentlicht: (2024)

Hierarchical Latent Structure Learning through Online Inference
von: Aitsahalia, Ines, et al.
Veröffentlicht: (2026)

Unified Generative Latent Representation for Functional Brain Graphs
von: Abulikemu, Subati, et al.
Veröffentlicht: (2025)

Inpainting the Neural Picture: Inferring Unrecorded Brain Area Dynamics from Multi-Animal Datasets
von: Xia, Ji, et al.
Veröffentlicht: (2025)

A Differentiable Partially Observable Generalized Linear Model with Forward-Backward Message Passing
von: Li, Chengrui, et al.
Veröffentlicht: (2024)