神經資料的基礎模型與表徵學習

跨受試者/跨場次遷移

本領域的核心承諾:在許多受試者與紀錄場次上預訓練的模型,能以少量或無新標記資料遷移至新受試者或後續場次。障礙在於神經紀錄沒有固定的輸入對應——每個場次有不同的神經元、電極位置、數量與調諧——因此在某受試者上訓練的解碼器無法原封不動地套用到另一位。基礎模型的作法以不限通道的詞元化與共享潛在表徵來應對,而非依賴固定的輸入向量。

有必要精確說明已展示的成果。同物種、同任務且帶輕度校準步驟的遷移——例如僅微調新場次的單元或場次嵌入而凍結主幹——已在伸手取物等動作任務上獲得展示(POYO+、NDT2)。跨物種、跨腦區或跨任務的廣義遷移仍多屬願景,而真正的零樣本(對新受試者完全不校準)是例外而非常態。回報時應始終區分少樣本與零樣本,並說明使用了多少目標資料。

又稱
cross-animal transfertransfer to a new subject