Buchumschlag

Modeling Neural Activity with Conditionally Linear Dynamical Systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Geadah, Victor, Nejatbakhsh, Amin, Lipshutz, David, Pillow, Jonathan W., Williams, Alex H.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Neurons and Cognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Comparing noisy neural population dynamics using optimal transport distances
von: Nejatbakhsh, Amin, et al.
Veröffentlicht: (2024)

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

Modeling Latent Neural Dynamics with Gaussian Process Switching Linear Dynamical Systems
von: Hu, Amber, et al.
Veröffentlicht: (2024)

Reduced rank regression for neural communication: a tutorial for neuroscientists
von: Wu, Bichan, et al.
Veröffentlicht: (2025)

Discriminating image representations with principal distortions
von: Feather, Jenelle, et al.
Veröffentlicht: (2024)

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

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

State-switching navigation strategies in C. elegans are beneficial for chemotaxis
von: Chen, Kevin S., et al.
Veröffentlicht: (2025)

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

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

Shaping the distribution of neural responses with interneurons in a recurrent circuit model
von: Lipshutz, David, et al.
Veröffentlicht: (2024)

Scalable inference of functional neural connectivity at submillisecond timescales
von: Medvedeva, Arina, et al.
Veröffentlicht: (2025)

Adaptive whitening in neural populations with gain-modulating interneurons
von: Duong, Lyndon R., et al.
Veröffentlicht: (2023)

POCO: Scalable Neural Forecasting through Population Conditioning
von: Duan, Yu, et al.
Veröffentlicht: (2025)

Population Transformer: Learning Population-level Representations of Neural Activity
von: Chau, Geeling, et al.
Veröffentlicht: (2024)

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)

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

Training Large Neural Networks With Low-Dimensional Error Feedback
von: Hanut, Maher, et al.
Veröffentlicht: (2025)

Dynamics and Representation Structure of Local Approximations to Gradient-Based Learning in Linear Recurrent Neural Networks
von: Williams, Ezekiel, et al.
Veröffentlicht: (2026)

Discovering Mechanistic Models of Neural Activity: System Identification in an in Silico Zebrafish
von: Lueckmann, Jan-Matthis, et al.
Veröffentlicht: (2026)

Predicting Cognition from fMRI:A Comparative Study of Graph, Transformer, and Kernel Models Across Task and Rest Conditions
von: Patel, Jagruti, et al.
Veröffentlicht: (2025)

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)

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

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

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

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

NeuroBind: Towards Unified Multimodal Representations for Neural Signals
von: Yang, Fengyu, et al.
Veröffentlicht: (2024)

Neural timescales from a computational perspective
von: Zeraati, Roxana, et al.
Veröffentlicht: (2024)

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

Lattice-Based Pruning in Recurrent Neural Networks via Poset Modeling
von: Sengupta, Rakesh
Veröffentlicht: (2025)

NeuralBench: A Unifying Framework to Benchmark NeuroAI Models
von: Banville, Hubert, et al.
Veröffentlicht: (2026)

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

Global stability of a Hebbian/anti-Hebbian network for principal subspace learning
von: Lipshutz, David, et al.
Veröffentlicht: (2026)

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

NECOMIMI: Neural-Cognitive Multimodal EEG-informed Image Generation with Diffusion Models
von: Chen, Chi-Sheng
Veröffentlicht: (2024)

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

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

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