導讀經過訓練以執行視覺任務的深度神經網絡(DNN)可以模擬、預測和解釋視覺皮層中的神經活動。然而,為了充分利用這些模型,需要一個工具箱來有...
經過訓練以執行視覺任務的深度神經網絡(DNN)可以模擬、預測和解釋視覺皮層中的神經活動。然而,為了充分利用這些模型,需要一個工具箱來有效地比較最先進的DNN的表征空間和大腦反應。
因此,arXiv.org上最近的一篇論文介紹了Net2Brain,這是一個易于使用的工具箱,可讓神經科學家有效地將600多個DNN納入他們的研究。它促進了DNN在認知神經科學研究中的采用,降低了想要實施這些工具的新手的知識障礙,并為用戶提供了使用他們的計算模型和大腦數據集進行這些分析的靈活性。
作為一項探索性工作,研究人員使用Net2Brain來檢驗認知計算神經科學的假設。
我們介紹了Net2Brain,這是一個圖形和命令行用戶界面工具箱,用于比較人工深度神經網絡(DNN)和人腦記錄的表征空間。雖然不同的工具箱只促進單一功能或只關注監督圖像分類模型的一小部分,但Net2Brain允許提取600多個經過訓練以執行各種視覺相關任務(例如語義分割、深度估計、動作識別等),在圖像和視頻數據集上。該工具箱計算這些激活的表征差異矩陣(RDM),并使用表征相似性分析(RSA)、加權RSA在特定ROI和探照燈搜索中將它們與大腦記錄進行比較。此外,可以將新的刺激和大腦記錄數據集添加到工具箱中進行評估。我們通過一個示例展示了Net2Brain的功能和優勢,展示了它如何用于測試認知計算神經科學的假設。