Bài báo này đề xuất HuiduRep, một khuôn khổ học tự giám sát mới dựa trên học máy để cải thiện phân loại xung đột biến trong các bản ghi ngoại bào, được sử dụng để giải mã hoạt động não ở độ phân giải nơ-ron đơn lẻ trong khoa học thần kinh bất chấp những thách thức như tỷ lệ tín hiệu trên nhiễu (SNR) thấp, độ trôi điện cực và tính biến thiên giữa các phiên. HuiduRep tích hợp học tương phản và bộ mã hóa tự động khử nhiễu để học biểu diễn tiềm ẩn, chống nhiễu và độ trôi. Điều này dẫn đến một quy trình phân loại xung đột biến đạt được độ chính xác và độ tin cậy được cải thiện trên các tập dữ liệu thực tế so với các công cụ tiên tiến hiện có như KiloSort4 và MountainSort5.