【IJCAI2023教程】基于深度学习的大脑编码和解码，210页ppt

IJCAl大会是人工智能领域最具权威、最高水平、最具影响力的国际学术盛会之一。它旨在促进人工智能领域各个方面的研究、发展和应用，以及国际间的交流与合作。半个世纪以来，IJCAI见证并推动了人工智能研究的巨大飞跃。今天它依旧延续其行业前瞻性，聚焦人工智能最新动态。今年，第32届国际人工智能联合会议IJCAI于8月19日至25日在澳门举办。

大脑如何表示不同模式的信息？我们能设计一个自动理解用户正在思考什么的系统吗？这些问题可以通过研究诸如功能性磁共振成像（fMRI）的大脑记录来回答。作为第一步，神经科学界提供了几个大型的认知神经科学数据集，这些数据集与被动阅读/听/观看的概念词、叙述、图片和电影有关。过去二十年中，人们还提出了使用这些数据集的编码和解码模型。这些模型为认知科学和神经科学的基础研究提供了额外的工具。编码模型旨在自动生成给定刺激的fMRI大脑表示。它们在评估和诊断神经疾病方面有多种实际应用，因此也有助于为大脑损伤设计疗法。解码模型解决了给定fMRI重建刺激的反问题。它们对于设计脑-机或脑-计算机接口很有用。受到深度学习模型在自然语言处理、计算机视觉和语音方面的有效性的启发，最近已经提出了几种神经编码和解码模型。最新的模型分别利用GPT-3、Wav2Vec2.0和稳定扩散处理文本、语音和图像。在本教程中，我们计划详细讨论不同类型的刺激表示，以及流行的编码和解码架构。本教程将提供对最先进的编码和解码方法的实际知识，对文献的深入了解，以及对使用深度学习进行编码/解码的优点和局限性的更好理解。