跳到正文
原文
arXiv q-bio.NC(Neurons and Cognition)·· 3 天前AI 评分22

通过预测恢复本体状态:机器学习与神经记录中的状态表征研究

Ontic state recovery through prediction

AI 导读

研究提出以模型相对方式定义系统状态,即状态是对指定查询范围内完整响应剖面的刻画,凡在所有查询上一致的配置视为同一状态。作者通过查询歧义、状态空间几何与预测目标选择三方面考察预测与状态恢复的关系,并以响应规律已知的合成系统和神经记录作为互补验证场景。

AI 要点
团队
第一作者 Ping Zhang,末位作者 Wei-Lun Chao,共 4 位作者
主要结果
提出以“查询全集上的完整响应剖面”定义状态,并从查询歧义、状态空间几何和预测目标选择三方面分析预测与状态恢复的关系
解决什么问题
厘清预测在何种意义上能成为认识系统状态的方式,以及学到的状态保留被研究状态意味着什么
方法
在响应规律已知的合成系统与神经记录两类场景中开展研究
局限
从研究设计看,属概念与理论分析,摘要未给出具体实验指标或对照结果

AI 依据原文整理,未经人工核对。

点击跳转原始链接arxiv.org

来源:arXiv q-bio.NC(Neurons and Cognition) · arxiv.org