【让AI预测人脑未来10分钟状态，悉尼大学华人团队提出新型Transformer架构，单时间点预测均方误差为0.0013】
近日，一篇由澳洲 #悉尼大学# 团队牵头完成的论文在 X 上引起关注，该校的博士生孙艺菲（Yifei Sun，音）是论文第一作者。
基于人类连接组计划的功能性 #磁共振# 成像数据，他们使用 Transformer 预测了人脑静息状态（human brain resting states）（注：人类连接组计划是美国国立卫生研究院于 2009 年开始资助的一个 5 年项目，由几所研究机构分成两组进行）。
具体来说，他们提出一种基于时间序列的 Transformer 架构，在功能性磁共振成像采集中观察到的一系列先前时间点的情况下，成功预测了大脑 379 个灰质区域的大脑状态，单时间点预测均方误差为 0.0013。
研究中，他们将 #大脑# 状态预测问题构建为一个自回归任务，在给定序列的情况下来预测下一个时间元素。
借此发现，该模型可以准确预测大脑的即时状态，其中预测 5.04 秒的大脑状态误差较小，预测 10 分钟以上的大脑状态与人类功能连接组的平均值一致（注：功能连接，是指大脑不同脑区之间在功能上的相互关联和影响，主要通过分析不同脑区记录的信号来计算反映不同脑区关系强弱的某种指标）。
戳链接查看详情：
让AI预测人脑未来10分钟状态，悉尼大学华人团队提出新型Transformer架构，单时间点预测均方误差为0.0013
近日，一篇由澳洲 #悉尼大学# 团队牵头完成的论文在 X 上引起关注，该校的博士生孙艺菲（Yifei Sun，音）是论文第一作者。
基于人类连接组计划的功能性 #磁共振# 成像数据，他们使用 Transformer 预测了人脑静息状态（human brain resting states）（注：人类连接组计划是美国国立卫生研究院于 2009 年开始资助的一个 5 年项目，由几所研究机构分成两组进行）。
具体来说，他们提出一种基于时间序列的 Transformer 架构，在功能性磁共振成像采集中观察到的一系列先前时间点的情况下，成功预测了大脑 379 个灰质区域的大脑状态，单时间点预测均方误差为 0.0013。
研究中，他们将 #大脑# 状态预测问题构建为一个自回归任务，在给定序列的情况下来预测下一个时间元素。
借此发现，该模型可以准确预测大脑的即时状态，其中预测 5.04 秒的大脑状态误差较小，预测 10 分钟以上的大脑状态与人类功能连接组的平均值一致（注：功能连接，是指大脑不同脑区之间在功能上的相互关联和影响，主要通过分析不同脑区记录的信号来计算反映不同脑区关系强弱的某种指标）。
戳链接查看详情：
让AI预测人脑未来10分钟状态，悉尼大学华人团队提出新型Transformer架构，单时间点预测均方误差为0.0013
