यह शोधपत्र HuiduRep का प्रस्ताव करता है, जो बाह्यकोशिकीय रिकॉर्डिंग में स्पाइक वर्गीकरण को बेहतर बनाने के लिए एक नवीन स्व-पर्यवेक्षित शिक्षण-आधारित ढाँचा है। इसका उपयोग तंत्रिका विज्ञान में एकल-न्यूरॉन विभेदन पर मस्तिष्क गतिविधि को डिकोड करने के लिए किया जाता है, भले ही निम्न सिग्नल-टू-नॉइज़ अनुपात (SNR), इलेक्ट्रोड ड्रिफ्ट और सत्र-दर-सत्र परिवर्तनशीलता जैसी चुनौतियाँ मौजूद हों। HuiduRep, शोर और ड्रिफ्ट के प्रति प्रतिरोधी एक सुप्त निरूपण सीखने के लिए कंट्रास्टिव लर्निंग और एक डीनॉइज़िंग ऑटोएनकोडर को एकीकृत करता है। इसके परिणामस्वरूप एक स्पाइक वर्गीकरण पाइपलाइन बनती है जो KiloSort4 और MountainSort5 जैसे मौजूदा अत्याधुनिक उपकरणों की तुलना में वास्तविक दुनिया के डेटासेट पर बेहतर सटीकता और परिशुद्धता प्राप्त करती है।
