arXiv q-bio.NC（Neurons and Cognition）·2026-10-09 12:00· 15 天前AI 评分41

受贝叶斯大脑理论启发，研究将神经解码重构为认知推断

Neural Decoding as Cognitive Inference

AI 导读

研究受贝叶斯大脑理论启发，将神经解码重构为受大脑内在先验约束的认知推断，生成高层元神经语义表征。在涵盖五种神经记录模态和运动、感知、内部心理三个认知域的解码实验中，该方法重组了神经观测表征的几何结构，使元神经语义表征在不同认知任务间呈现一致的几何关系，并能从变化的神经活动中恢复稳定的认知状态。

AI 要点

团队

第一作者 Yi Guo，末位作者 Shuqiang Wang，共 7 位作者。

主要结果

在五种神经记录模态、三个认知域（运动、感知、内部心理活动）的解码实验中，方法重塑了神经观测表征的几何结构，得到跨任务几何关系一致的元神经语义表征，可从变化的神经观测中恢复稳定认知状态。

解决什么问题

现有神经解码方法按刺激—反应原则把神经观测映射到预设外部标签，常捕捉到记录特有的伪相关；本文要解决如何从变化的神经活动中提取稳定认知状态。

方法

受贝叶斯脑理论启发，将神经解码重构为受脑内在先验约束的认知推理，产生高层元神经语义表征。

局限

从研究设计看，原文未提及对照设置或样本量等具体实验细节。

AI 依据原文整理，未经人工核对。