用于学习共享神经与行为动力学的球面识别参数化状态空间模型

基于摘要分析。该研究针对同步神经活动与行为时间序列中模态私有变化干扰共享动力学恢复的问题，提出 sRP-SSM：无需重建观测，即可联合学习跨模态表征和随机潜在动力学。原论文的主要研究对象是神经—行为关系，而非直接的 EEG/BCI 解码。 核心机制是采用球面几何，使识别因子在置信度依赖观测时仍保持对潜在状态的对数线性形式，从而通过简单相加融合各模态及历史时刻的证据。作者推导了近似模型证据下界的可扩展对比训练目标，将对比表征学习与共享动力学的概率建模连接起来。相较于需要重建模态私有变化的生成方法，以及不显式建模表征演化的标准对比方法，其设计重点是以共享动力学约束跨模态表征。 作者报告，在合成实验中，sRP-SSM 具有较强的共享状态恢复和跨模态检索表现，动力学恢复优于所比较的生成与对比方法；在自由活动小鼠的同步神经活动与 3D 姿态记录中，跨模态检索、未来预测和关键点解码得到改善。在直立行为期间，模型能从神经活动检测该行为，并从姿态恢复按行为片段平均的神经频谱模式。摘要未提供具体指标、神经记录类型、样本规模或数据划分，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：假设 EEG 与同步运动学观测包含可辨识的共享动态状态，该机制可能用于分离行为相关共享信息与模态私有变化。可复用的是球面证据融合和动力学约束的对比学习思路，需改造观测编码与时间对齐模块；EEG 低信噪比、运动伪迹、跨被试或通道差异及小数据可能使共享表征偏向非神经因素。可在严格隔离训练与测试时间段的同步 EEG—运动学数据上，对比加入与移除动力学约束后的跨模态检索及未来预测，并核对运动伪迹影响。已有 EEG 相关工作尚未检索确认。