ترجمه فارسی مقاله شناسایی زیرفضاهای قابل کنترل پیشخور و پسخور در دینامیک جمعیت عصبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Identifying Feedforward and Feedback Controllable Subspaces of Neural Population Dynamics
عنوان مقاله به فارسی شناسایی زیرفضاهای قابل کنترل پیشخور و پسخور در دینامیک جمعیت عصبی
نویسندگان Ankit Kumar, Loren M. Frank, Kristofer E. Bouchard
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
دسته بندی موضوعات Neurons and Cognition,Systems and Control,نورون و شناخت , سیستم ها و کنترل ,
توضیحات Submitted 11 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 11 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 800,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

There is overwhelming evidence that cognition, perception, and action rely on feedback control. However, if and how neural population dynamics are amenable to different control strategies is poorly understood, in large part because machine learning methods to directly assess controllability in neural population dynamics are lacking. To address this gap, we developed a novel dimensionality reduction method, Feedback Controllability Components Analysis (FCCA), that identifies subspaces of linear dynamical systems that are most feedback controllable based on a new measure of feedback controllability. We further show that PCA identifies subspaces of linear dynamical systems that maximize a measure of feedforward controllability. As such, FCCA and PCA are data-driven methods to identify subspaces of neural population data (approximated as linear dynamical systems) that are most feedback and feedforward controllable respectively, and are thus natural contrasts for hypothesis testing. We developed new theory that proves that non-normality of underlying dynamics determines the divergence between FCCA and PCA solutions, and confirmed this in numerical simulations. Applying FCCA to diverse neural population recordings, we find that feedback controllable dynamics are geometrically distinct from PCA subspaces and are better predictors of animal behavior. Our methods provide a novel approach towards analyzing neural population dynamics from a control theoretic perspective, and indicate that feedback controllable subspaces are important for behavior.

چکیده به فارسی (ترجمه ماشینی)

شواهد زیادی وجود دارد که نشان می دهد شناخت ، ادراک و عمل به کنترل بازخورد متکی است.با این حال ، اگر و چگونه پویایی جمعیت عصبی برای استراتژی های مختلف کنترل قابل درک است ، تا حد زیادی به دلیل روش های یادگیری ماشین برای ارزیابی مستقیم کنترل در پویایی جمعیت عصبی وجود ندارد.برای پرداختن به این شکاف ، ما یک روش کاهش ابعاد جدید ، تجزیه و تحلیل مؤلفه های کنترل پذیری بازخورد (FCCA) ایجاد کردیم ، که زیر مجموعه های سیستم های دینامیکی خطی را مشخص می کند که بر اساس یک اندازه گیری جدید از کنترل بازخورد قابل کنترل هستند.ما همچنین نشان می دهیم که PCA فضای زیر سیستم های دینامیکی خطی را مشخص می کند که حداکثر اندازه گیری قابلیت کنترل خوراک را به حداکثر می رساند.به این ترتیب ، FCCA و PCA روشهای داده محور برای شناسایی زیر مجموعه داده های جمعیت عصبی (به عنوان سیستم های دینامیکی خطی) هستند که به ترتیب بیشتر بازخورد و قابل کنترل هستند و بنابراین تضادهای طبیعی برای آزمایش فرضیه هستند.ما تئوری جدیدی ایجاد کردیم که ثابت می کند غیر طبیعی بودن پویایی اساسی ، واگرایی بین راه حل های FCCA و PCA را تعیین می کند و این را در شبیه سازی های عددی تأیید می کند.با استفاده از FCCA در ضبط های متنوع جمعیت عصبی ، می فهمیم که دینامیک قابل کنترل بازخورد از نظر هندسی از فضای PCA متمایز است و پیش بینی کننده بهتر رفتار حیوانات است.روشهای ما یک رویکرد جدید برای تجزیه و تحلیل پویایی جمعیت عصبی از دیدگاه نظری کنترل ارائه می دهد ، و نشان می دهد که زیر مجموعه های قابل کنترل بازخورد برای رفتار مهم هستند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.