穩定潛在空間解碼器

穩定潛在空間解碼器透過將每一天的神經活動對齊到一個固定的低維潛在空間，來跨日維持效能，而非重新蒐集帶標籤的校準資料並從頭重擬合。其底層前提是：儘管個別電極非平穩，群體活動卻棲居於一個穩定的低維流形附近，該流形的幾何編碼了行為，且隨時間變化甚微。若能找到將今日記錄映射到該參考流形的變換，則原本僅在潛在狀態上訓練一次的解碼器，即可無須新標籤而重複使用。

對齊通常僅用未標籤資料，將新一天活動的統計結構匹配到參考分布（例如以分布對齊或對抗式方法匹配潛在共變異數或分布），如此便不需要受指示的校準區塊。這把重新校準問題自監督式的重擬合轉化為非監督式的對齊，可望實現近乎零負擔的每日使用。此做法取決於流形是否確實穩定，以及是否有足夠的神經涵蓋存留以重建之；當表徵真正重組時，僅靠對齊並不足夠，仍需某種監督式更新。