Buchumschlag

Estimating Dimensionality of Neural Representations from Finite Samples

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chun, Chanwoo, Canatar, Abdulkadir, Chung, SueYeon, Lee, Daniel
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Neurons and Cognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Estimating Neural Representation Alignment from Sparsely Sampled Inputs and Features
von: Chun, Chanwoo, et al.
Veröffentlicht: (2025)

Statistical Mechanics of Support Vector Regression
von: Canatar, Abdulkadir, et al.
Veröffentlicht: (2024)

Spectral Analysis of Representational Similarity with Limited Neurons
von: Kang, Hyunmo, et al.
Veröffentlicht: (2025)

Feature Learning beyond the Lazy-Rich Dichotomy: Insights from Representational Geometry
von: Chou, Chi-Ning, et al.
Veröffentlicht: (2025)

Neural population geometry and optimal coding of tasks with shared latent structure
von: Wakhloo, Albert J., et al.
Veröffentlicht: (2024)

Linear Readout of Neural Manifolds with Continuous Variables
von: Slatton, Will, et al.
Veröffentlicht: (2026)

Nonlinear classification of neural manifolds with contextual information
von: Mignacco, Francesca, et al.
Veröffentlicht: (2024)

Towards an Improved Understanding and Utilization of Maximum Manifold Capacity Representations
von: Schaeffer, Rylan, et al.
Veröffentlicht: (2024)

Estimating the Spectral Moments of the Kernel Integral Operator from Finite Sample Matrices
von: Chun, Chanwoo, et al.
Veröffentlicht: (2024)

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

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

Neural-Behavioral Representation of Natural Whole-body Movement in Monkeys
von: He, Jieshi, et al.
Veröffentlicht: (2026)

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

ε-Neural Thompson Sampling of Deep Brain Stimulation for Parkinson Disease Treatment
von: Hsu, Hao-Lun, et al.
Veröffentlicht: (2024)

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

The Topology and Geometry of Neural Representations
von: Lin, Baihan, et al.
Veröffentlicht: (2023)

How to optimize neuroscience data utilization and experiment design for advancing brain models of visual and linguistic cognition?
von: Tuckute, Greta, et al.
Veröffentlicht: (2024)

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

Leveraging The Finite States of Emotion Processing to Study Late-Life Mental Health
von: Huang, Yuanzhe, et al.
Veröffentlicht: (2024)

The Umwelt Representation Hypothesis: Rethinking Universality
von: Bosch, Victoria, et al.
Veröffentlicht: (2026)

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

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

Exploratory Experience Shapes the Geometry of Predictive Representations
von: Shilova, Kseniia, et al.
Veröffentlicht: (2026)

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

Criticality Analysis: Bio-inspired Nonlinear Data Representation
von: Scheper, Tjeerd V. olde
Veröffentlicht: (2023)

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

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

Representation biases: will we achieve complete understanding by analyzing representations?
von: Lampinen, Andrew Kyle, et al.
Veröffentlicht: (2025)

Multi-intention Inverse Q-learning for Interpretable Behavior Representation
von: Zhu, Hao, et al.
Veröffentlicht: (2023)

Algorithm Development in Neural Networks: Insights from the Streaming Parity Task
von: van Rossem, Loek, et al.
Veröffentlicht: (2025)

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

Emergence of Grid-like Representations by Training Recurrent Networks with Conformal Normalization
von: Xu, Dehong, et al.
Veröffentlicht: (2023)

Joint-Embedding Masked Autoencoder for Self-supervised Learning of Dynamic Functional Connectivity from the Human Brain
von: Choi, Jungwon, et al.
Veröffentlicht: (2024)

Emergence of Spatial Representation in an Actor-Critic Agent with Hippocampus-Inspired Sequence Generator
von: Lin, Xiao-Xiong, et al.
Veröffentlicht: (2025)

Representations in vision and language converge in a shared, multidimensional space of perceived similarities
von: Simkova, Katerina Marie, et al.
Veröffentlicht: (2025)

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

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

Topological Sensitivity in Connectome-Constrained Neural Networks
von: Dhiman, Nalin
Veröffentlicht: (2026)

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

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