Trisha Jha

跨脑区神经动力学建模多沿用线性方法，而每个脑区记录到的活动混杂着本地动态与跨区共享动态。CroP-DYNO把学习目标直接设为用源脑区活动预测目标脑区活动，从而优先提取共享动态，并允许逐一把模型各部件指定为线性或非线性。在猕猴S1–M1与大鼠CA1–CA3数据上，它在预测目标群体活动时优于非优先化的非线性模型和优先化的线性模型，还能定位非线性结构并给出与已知环路解剖一致的交互强度。

跨脑区神经动力学建模多沿用线性方法，而每个脑区记录到的活动混杂着本地动态与跨区共享动态。CroP-DYNO把学习目标直接设为用源脑区活动预测目标脑区活动，从而优先提取共享动态，并允许逐一把模型各部件指定为线性或非线性。在猕猴S1–M1与大鼠CA1–CA3数据上，它在预测目标群体活动时优于非优先化的非线性模型和优先化的线性模型，还能定位非线性结构并给出与已知环路解剖一致的交互强度。