“…uPNs [10] 满足了量化评估检索与当前神经元 最相似神经元的准确率这一需求, 通过深度学习和降维方法在总体 99294 个神经元中提取特征后, 将 : [10] 上的 top-N 平均精度, 与本文方法的精度进行比较, 以验证本文方法在三维 神经元数据相似检索上的准确性. 已有主要方法分为三组特征计算方式: 仅通过无监督深度学习网络 如 Deep-SCAE [5] 提取的特征; 仅通过 L-Measure [9] 得到的神经元手工特征如 L-Measure38 [9] ; 将无监督 深度学习网络的特征和手工 L-Measure38 [9] 维度特征归一化后融合的特征 SCAE-Fuse [5] . 本文的方法 基于三维体素卷积自动编码解码器 (Deep-3DVCAE), 获取到神经元的深度学习表达特征, 将深度学习 的特征通过 PCA [12] 方法降维到 200 维, 测定 top-1 至 top-50 的神经元检测精度, 并同上 3 种方法的 精度比较, 发现本文方法的准确率普遍高于以上方法, 证明了本文方法的准确性.…”