遮罩式神經建模

遮罩式建模透過隱藏部分輸入——隨機時間分箱、整個通道，或「通道–時間」分塊——並訓練網路從可見脈絡重建缺失值來預訓練編碼器，這是遮罩語言建模與遮罩自編碼器在神經資料上的類比。它是 NDT 型皮質內模型（遮罩尖峰分箱、預測放電率）與若干 EEG 或 iEEG 基礎模型（遮罩分塊、預測訊號或其頻譜圖）的基礎。

由於它直接重建訊號而非做對比比較，遮罩式建模避開了對比學習的負樣本抽樣與正樣本設計問題，但除非刻意選擇目標空間或損失以強調富含資訊的頻帶，否則它可能把容量浪費在重建高變異、與行為無關的成分（線路雜訊、緩慢漂移、非神經假影）上。