神经网络、扩散映射和 Koopman 算符驱动的脑活动数据建模（英文版）

英文标题：Data-driven modelling of brain activity using neural networks, Diffusion Maps, and the Koopman operator中文摘要：本研究提出了一种基于机器学习的方法来对脑活动进行长期预测，该方法基于 Koopman 算子，通过建立一种非线性映射来达到降维和预测的目的，并且实验证明该方法在预测方面的表现要好于传统的基于随机游走模型的方法。英文摘要：We propose a machine-learning approach to model long-term out-of-sampledynamics of brain activity from task-dependent fMRI data. Our approach is athree stage one. First, we exploit Diffusion maps (DMs) to discover a set ofvariables that parametrize the low-dimensional manifold