XiaoMi-AI文件搜索系统
World File Search System识别任务
无需权重传输的深度学习
目前的深度学习算法可能无法在大脑中运行，因为它们依赖于权重传输，即前向路径神经元将其突触权重传输到反馈路径，而这种方式在生物学上可能是不可能的。一种称为反馈对齐的算法通过使用随机反馈权重实现了没有权重传输的深度学习，但它在困难的视觉识别任务上表现不佳。在这里，我们描述了两种机制——一种称为权重镜像的神经回路和 1994 年 Kolen 和 Pollack 提出的算法的修改——这两种机制都允许反馈路径即使在大型网络中也快速准确地学习适当的突触权重，而无需权重传输或复杂的布线。在 ImageNet 视觉识别任务上进行测试，这些机制的学习效果几乎与反向传播（深度学习的标准算法，使用权重传输）一样好，并且它们优于反馈对齐和另一种较新的无传输算法符号对称方法。
无需权重传输的深度学习
目前的深度学习算法可能无法在大脑中运行，因为它们依赖于权重传输，即前向路径神经元将其突触权重传输到反馈路径，而这种方式在生物学上可能是不可能的。一种称为反馈对齐的算法通过使用随机反馈权重实现了没有权重传输的深度学习，但它在困难的视觉识别任务上表现不佳。在这里，我们描述了两种机制——一种称为权重镜像的神经回路和 1994 年 Kolen 和 Pollack 提出的算法的修改——这两种机制都允许反馈路径即使在大型网络中也快速准确地学习适当的突触权重，而无需权重传输或复杂的布线。在 ImageNet 视觉识别任务上进行测试，这些机制的学习效果几乎与反向传播（深度学习的标准算法，使用权重传输）一样好，并且它们优于反馈对齐和另一种较新的无传输算法符号对称方法。
引文：Nyhus, E.、Engel, WA、Pitfield, TD、Vakkur, IM 结合行为和脑电图研究正念冥想对情景性 M 的影响
尽管最近人们对正念冥想如何影响情景记忆以及大脑结构和功能产生了兴趣，但还没有研究检查过正念冥想对情景记忆的行为和神经影响。在这里，我们提出了一种结合正念冥想训练、情景记忆任务和脑电图的方案，以检查正念冥想如何改变行为表现和情景记忆的神经相关性。将正念冥想实验组的受试者与候补名单对照组进行了比较。正念冥想实验组的受试者花了四周时间进行训练和练习正念冥想。使用五方面正念问卷 (FFMQ) 在训练前后测量正念。使用源识别任务在训练前后测量情景记忆。在源识别任务的检索阶段，记录了脑电图。结果表明，正念冥想训练后，正念、源识别行为表现和右额叶和左顶叶通道的脑电图 θ 功率增加。此外，正念的增加与右额叶通道 θ 功率的增加相关。因此，正念冥想训练、情景记忆任务和脑电图相结合的结果揭示了正念冥想对情景记忆的行为和神经影响。
在基于 Raspberry Pi 的实时系统上使用最先进的神经架构研究基于 EEG 的生物特征识别
摘要：尽管人们对使用脑电图 (EEG) 信号作为主体身份识别的潜在生物特征识别的兴趣日益浓厚，并且在使用深度学习 (DL) 模型研究神经信号（例如心电图 (ECG)、脑电图 (EEG)、视网膜电图 (ERG) 和肌电图 (EMG) ）方面也取得了进展，但由于单个主体在不同会话中的 EEG 特征变化很大，因此在使用最先进的 DL 模型进行基于 EEG 的主体身份识别任务方面仍然缺乏探索。在本文中，我们探索使用最先进的 DL 模型（例如 ResNet、Inception 和 EEGNet）在 BED 数据集上实现基于 EEG 的生物特征识别，该数据集包含来自 21 个个体的 EEG 记录。我们获得了令人满意的结果，Resnet、Inception 和 EEGNet 的准确率分别为 63.21%、70.18% 和 86.74%，而之前的最佳成果报告的准确率为 83.51%。我们还通过开发一种便携式、低成本、实时的基于 Raspberry Pi 的系统展示了这些模型实时执行 EEG 生物识别任务的能力，该系统集成了从获取 EEG 信号到预测身份的所有必要主体识别步骤，而其他现有系统仅包含整个系统的部分内容。
人工智能的反乌托邦浪潮：能力框架
民主化带来了这种技术的普及，并使其被纳入到广泛的领域，提供了允许分类或自主识别任务的模型，甚至生成原创内容。这些新技能预计将对劳动力市场产生重大影响。根据国际货币基金组织和斯坦福大学的数据，这些技术影响了全球 40% 的工作岗位，通过改变劳动力的技术需求和提高计算机技能（例如处理编程语言和数据分析）来推动劳动力市场的转型。
布拉酵母菌对LPS诱导大鼠海马TLR4/NF-κB神经炎症通路的影响
等 2017；Cao 等 2021；Webberley 等 2022；Zhu 等 2023）。在此背景下，据报道，食用 S. boulardii 可减轻大鼠焦虑样行为以及 LPS 在新奇识别任务中引起的认知障碍（Babaei 等 2022a；Babaei 等 2022b）。我们的结果表明，口服 S. boulardii 后，接受 LPS 治疗的大鼠的空间记忆中断得到改善。虽然这种影响在所有变量中并不具有统计学意义，但逃避行为的减少
Evgenii Zheltonozhskii –
2020 – 2021 计算机科学硕士，以色列理工学院，海法，优异成绩。{论文：“减少视觉识别任务中的监督”，由 Alex Bronstein 教授、Avi Mendelson 教授和 Chaim Baskin 博士指导；{教学经验：“深度学习的高级主题”、“计算加速器上的深度学习”、“机器学习简介”，深度学习研讨会组织；{指导经验：指导计算机视觉研究项目；{T-PAMI、CVPR、ICCV、ECCV、WACV 审稿人；{CS 院长优秀奖学金获得者。
执行摘要 - 人工智能
我们提供了一个以结果为中心的框架，并确定当今的人工智能技术特别适合模式识别任务。存在利用这种能力的机会，无论是扩展基本的人类模式识别能力、模拟专家模式识别，还是发现人类无法识别的复杂数据中的模式。然而，随着环境和数据变得越来越复杂，当今模式识别人工智能的成熟度会降低。超越模式识别的任务通常需要人类长期推理才能完成，这些任务往往更不成熟，或者在它们能够处理的环境复杂性方面受到很大限制。
使用 Python 进行脑肿瘤检测
近年来，机器学习算法在图像识别任务中取得了巨大成功，与此同时，电子病历和诊断成像的使用也急剧增加。本综述介绍了应用于医学图像分析的机器学习算法，重点介绍了卷积神经网络，并强调了该领域的临床方面。在医学大数据时代，机器学习的优势在于，可以通过算法发现数据中重要的层次关系，而无需费力地手工处理特征。我们涵盖了医学图像分类、定位、检测、分割和配准的关键研究领域和应用。最后，我们讨论了研究障碍、新兴趋势和可能的未来方向。