神经解码可以被视为一个表征学习问题：在进行下游重建之前，先将神经活动映射到一种中间表征。中间表征的选择会同时影响性能和学习难度。在本研究中，我们构建了一种新颖的框架，用于研究中间表征的选择如何影响下游学习与重建。作为概念验证，我们将该框架应用于神经语音解码，使用从不同扩散时间步提取的扩散潜在表征。逐组件评估显示，不同扩散时间步下的重建性能存在显著差异；对于不同的潜在模型，教师强制条件下的词错误率分别为44.7%、7.5%和3.5%。这些结果表明，扩散潜在表征可以作为从神经活动中进行学习的有效中间表征，但其有效性在很大程度上取决于所选的扩散时间步。更广泛而言，我们的框架为系统研究中间表征的选择如何影响下游学习与重建提供了基础。
神经解码可视为一种表征学习问题：神经活动先被映射到中间表征，再用于下游重建。中间表征的选择会同时影响解码性能和学习难度。本研究提出了一种新框架，用于研究中间表征的选择如何影响下游学习与重建。作为概念验证，我们将不同扩散时间步提取的扩散潜在表征用于神经语音解码，以实例化该框架。分量评估结果显示，不同扩散时间步对应的重建性能存在显著差异；不同潜在模型在教师强制条件下的词错误率分别为 44.7%、7.5% 和 3.5%。这些结果表明，扩散潜在表征可作为从神经活动中学习的有效中间表征，但其效果高度依赖所选的扩散时间步。更广泛地说，本研究提出的框架为系统研究中间表征的选择如何影响下游学习与重建奠定了基础。
作者声明不存在利益冲突。
感谢您有意传播 bioRxiv 的相关信息。
注意：索取您的电子邮件地址仅用于确认您是本文的发送者。
关键词：神经解码 · 表征学习 · 扩散模型 · 神经语音解码 · 潜在表示
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.08.737343v1?rss=1