潜变量与状态空间模型
Latent variable models
★★★ 进阶方法进阶
把观测到的脉冲看作"潜在低维状态"的噪声投影,用贝叶斯滤波反推状态轨迹。
核心要点
- LDS / GPFA:线性高斯假设,可用卡尔曼滤波或 EM 求解。
- LFADS:用 RNN + 变分推断处理单 trial 的混沌动力学,能去噪并推断输入。
- 潜变量模型让"跨 trial 平均"不再是唯一选择,可保留单次试验的动态。
公式
xt+1=Axt+wt,
yt∼ Poisson(f(Cxt))
yt∼ Poisson(f(Cxt))
状态按线性动力学演化,观测是状态的线性投影经非线性后驱动的泊松发放——这是"编码模型"的生成式版本。
直觉
常见误区
出处
- Yu et al. 2009, J Neurophysiol
- Pandarinath et al. 2018, Nat Methods