菜单
Machine Learning Methods for Studying Latent Neural Activity Dynamics - IJCAI 2026 survey综述机器学习研究神经种群潜伏动力学结构的方法论，涵盖单区域潜伏动力学（LDS/RNN/Neural ODE）、多区域通信、行为对齐建模、神经基础模型（Transformer/扩散模型）
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/hiyenwong/ai_collection --skill ml-latent-neural-dynamics-survey命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
基于 SOC 职业分类
正在显示 SKILL.md
| name | ml-latent-neural-dynamics-survey |
| description | Machine Learning Methods for Studying Latent Neural Activity Dynamics - IJCAI 2026 survey综述机器学习研究神经种群潜伏动力学结构的方法论，涵盖单区域潜伏动力学（LDS/RNN/Neural ODE）、多区域通信、行为对齐建模、神经基础模型（Transformer/扩散模型） |
| version | 1 |
| author | arXiv researchers |
| arxiv_id | 2606.1053 |
| paper_date | 2026-06-09T00:00:00.000Z |
| keywords | latent neural dynamics, machine learning survey, neural population, brain decoding, LVM, neural foundation model |
| trigger_words | neural dynamics, latent variable model, neural population decoding, brain state space, multi-region communication, behavior-aligned modeling |
IJCAI 2026 survey track接受的综述论文，系统梳理机器学习方法研究大规模神经元群体潜伏结构的发展轨迹。
