潛在空間穩定化

這是一類不在個別神經元層級、而在族群所描繪出的低維潛在空間中對抗漂移的方法。其洞見在於：即使單一單元的調諧漂移、單元來來去去，神經流形——即任務實際使用的那一小組族群活動型態——在幾何上相對穩定。若能在每個新的日子找到一個變換，將今日的原始紀錄映射回一個儲存的參考潛在空間，那麼一個在該參考上訓練過一次的解碼器，便能在不重新訓練的情況下持續運作。

具影響力的示範（Degenhart 等人的「穩定器」）跨日對齊神經活動的低維子空間，使固定解碼器在所記錄單元大幅更替的情況下仍維持表現，且僅需少量未標記資料即可估計每日的對齊。此取徑將重新校準重新界定為一個小型、非監督式的幾何問題（找出一個對齊映射），而非對解碼器進行完整的監督式重新擬合，這既較便宜也較穩定。