bioRxiv 预印本· Sukegawa, M., Azechi, H., Butsugan, T., Freund, N., Hakataya, S., Iwata, T., Katsu, N., Kimura, K. D., Koda, H., Koto, A., Makiguchi, Y., Matsui, H., Miyoshi, K., Mundorf, A., Nishimori, H., Okanoya, K., Shiraishi, M., Takahashi, S., Tanaka, R., Toya, G., Yamazaki, C., Yamazaki, S. J., Maekawa, T. ·· 1 天前AI 评分10
DiverScan：基于注意力引导的跨物种动物行为比较实验探索性分析框架
DiverScan: attention-guided exploratory analysis of animal behaviour across diverse comparative experiments
AI 导读
大阪大学等团队在 bioRxiv 发布深度学习框架 DiverScan，通过定制损失函数与注意力分支架构，从高通量行为时间序列中分离条件依赖的行为差异，并借助大语言模型生成解释文本。
来源：bioRxiv 预印本 · biorxiv.org