arXiv cs.AI· Yi Guo, Changhong Jing, Yong Hu, Yan Liu, Michael K. P. Ng, Shanshan Wang, Shuqiang Wang·· 9 天前AI 评分24
神经解码即认知推理：基于贝叶斯大脑理论提取元神经语义表征
Neural Decoding as Cognitive Inference
AI 导读
研究者将神经解码重构为受大脑内在先验约束的认知推理，提出生成高层"元神经语义表征"的方法，在五种神经记录模态和运动、感知、内部思维三个认知域的解码实验中，该方法重组了神经观测表征的几何结构，使元神经语义表征在不同认知任务间呈现一致的几何关系，并能从变化的神经活动中恢复稳定的认知状态。
正文 · AI 翻译
摘要：尽管神经活动持续变化，大脑仍能维持稳定的认知。如何从多变的神经观测中提取稳定的认知状态，仍是神经解码的核心问题。现有的神经解码方法基于刺激-反应原理，将神经观测映射到预定义的外部标签，往往捕捉到特定记录中的虚假相关性。受大脑推断世界方式的启发，特别是贝叶斯大脑理论，我们将神经解码重新表述为由大脑内在先验约束的认知推断，从而产生高层次的元神经语义表征。在涵盖五种神经记录模态和三个认知领域（运动、感知和内部心理活动）的解码实验中，我们的认知推断方法重组了神经观测表征的几何结构，产生了元神经语义表征，这些表征在认知任务间表现出一致的几何关系，并能够从多变的神经观测中恢复稳定的认知状态。我们的工作解释了大脑如何在外部环境不断变化的情况下维持相对稳定的认知。认知稳定性通过从变化的神经活动中进行认知推断来维持，而不需要固定的神经活动模式。
| 学科： | 神经元与认知（q-bio.NC）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.11923 [q-bio.NC] |
| （或 arXiv:2610.11923v1 [q-bio.NC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11923 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Shuqiang Wang [查看电子邮件]
[v1]
2026年10月8日星期四 13:19:57 UTC（42,691 KB）
来源：arXiv cs.AI · arxiv.org