偏好子空間辨識（PSID）

PSID（Sani、Shanechi 等人）是一種系統辨識方法，它在學習神經活動的潛在狀態空間模型時，明確地優先處理與某項受量測行為相關的那部分動力學。標準辨識找的是最能重建神經資料的潛在動力學，其中與行為相關的活動可能被更大的行為無關成分所淹沒；PSID 則在辨識過程中運用行為訊號（在子空間估計之前與期間，藉由對行為的投影／迴歸），以分離出一個與行為相關的潛在子空間及其動力學，並可選擇性地同時建模其餘僅屬神經的動力學。

其實務收益是更準確、更低維的行為解碼，以及把族群中與行為相關的作為，和它出於其他緣由的作為，做出更乾淨的分離。其原始形式是線性方法（並有遵循相同原理的非線性與偏好式深度變體，如 DPAD），而且如同所有監督式分離，其結論以所選的特定行為變數為條件——被標為無關的活動，可能只是與一個未被量測的行為相關而已。