Cebra

Cebra 是一种机器学习工具，它使用非线性技术从同时记录的联合行为和神经数据中创建一致且高性能的潜在空间。

主要特点：

• 神经潜在嵌入：用于假设测试和发现驱动的分析。
• 经过验证的准确性：在钙和电生理学数据集、感觉和运动任务以及跨物种的简单或复杂行为上证明的功效。
• 多会话和无标签：可用于单会话或多会话数据集，不带标签。
• 高精度解码：提供从视觉皮层快速解码自然电影。
• 代码可用性：在 GitHub 上访问该工具的代码并阅读 arxiv.org 上的预印本。

使用案例：

• 分析和解码行为和神经数据，以揭示潜在的神经表征。

•绘制并发现神经科学研究中的复杂运动学特征。

• 在各种数据类型和实验中生成一致的潜在空间。

对于希望分析和解码行为和神经数据的神经科学家来说，Cebra 是一个有价值的工具，使他们能够更好地了解适应性行为中涉及的潜在神经表征。