XiaoMi-AI文件搜索系统
World File Search SystemCCN
神经网络算法 - CCN 2024
算法在认知科学中起着核心作用。它们有助于解释我们如何感知、说话、记忆、导航和决策。但人工或生物神经网络“实现”算法的含义尚不清楚。标准建议是，当神经网络具有与算法步骤相对应的部分时，它就实现了算法。但我们无法找到很多这样的部分，也许是因为神经网络很少有它们。这导致一些人否认神经网络实现了算法。作为替代方案，我建议神经网络通过其学习替代输入输出映射的速度来实现算法。该提议借鉴了心理学中的“学会学习”文献和机器学习中的“迁移学习”文献。我证明该提案可有效应用于许多网络和任务。因此，它是一个整合认知科学和神经科学的有前途的新框架。
alphazero中计划能力的限制-CCN 2024
Glickman，M。E.和Jones，A。C.（1999）。评估国际象棋评级系统。Chance-Berlin，然后是纽约，12，21-28。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。 （2018）。 可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。 在国际机器学习会议上（pp。） 2668–2677）。 Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kim，B.，Wattenberg，M.，Gilmer，J.，Cai，C.，Wexler，J.，Viegas，F。等。（2018）。可解释性超出特征归因：具有概念激活向量（TCAV）的定量测试。在国际机器学习会议上（pp。2668–2677）。Lee，S。（2000）。 非负矩阵因子化算法。 nips。 McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Lee，S。（2000）。非负矩阵因子化算法。nips。McGrath，T.，Kapishnikov，A. 。 。 Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。McGrath，T.，Kapishnikov，A.。。Kramnik，V。（2022）。 在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Kramnik，V。（2022）。在Alphazero中获得国际象棋知识。 国家科学院的会议记录，119（47），E2206625119。 Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。 （2018）。 一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。 Sci-Ence，362（6419），1140–1144。 Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。 。 。 其他人（2017年）。 掌握没有人类知识的Go的游戏。 自然，550（7676），354–359。 Steingrimsson，H。（2021）。 国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。 在2021年IEEE游戏会议（COG）会议（pp。） 1–8）。 Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。在Alphazero中获得国际象棋知识。国家科学院的会议记录，119（47），E2206625119。Silver，D.，Hubert，T.，Schrittwieser，J.，Antonoglou，I.，Lai，M。，等。（2018）。一种普遍的增强学习算法，掌握了国际象棋，Shogi并进行自我游戏。Sci-Ence，362（6419），1140–1144。Silver，D.，Schrittwieser，J.，Simonyan，K.，Antonoglou，I.，Huang，A.，Guez，A.，。。。其他人（2017年）。掌握没有人类知识的Go的游戏。自然，550（7676），354–359。Steingrimsson，H。（2021）。国际象棋堡垒，这是对技术状态象征[Neuro]架构的因果测试。在2021年IEEE游戏会议（COG）会议（pp。1–8）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。 ARXIV预印ARXIV：2206.10498。 （2023）。Valmeekam，K.，Olmo，A.，Sreedharan，S。和Kambhampati，S。（2022）。ARXIV预印ARXIV：2206.10498。（2023）。大型语言模型仍然无法计划（LLMS的基准计划和推理有关变更的理由）。van Opheusden，B.，Kuperwajs，I.，Galbiati，G.，Bnaya，Z.，Li，Y。，＆Ma，W。J.专业知识增加了人类游戏玩法的计划深度。自然，618（7967），1000–1005。
大脑网络动力学预测惊喜动态-CCN 2024
惊喜是一种基本的人类经验。，我们会惊讶于电影中的情节扭曲，或者在体育比赛中取得了弱者队的胜利。我们生活中有多少令人惊讶的时刻有什么共同点？是否有令人惊讶的大脑签名？我们确定了一个大脑网络模型，即基于惊喜边缘 - 基于 - 基于 - 基于功能性磁共振成像（fMRI）测量的区域交互动力学，预测了在自适应学习任务中的惊喜。相同的模型被推广，以预测惊喜，因为单独的个人观看了悬疑的篮球比赛和违反心理期望的视频。我们的结果表明，共同的神经认知过程是跨环境中惊喜的基础，并且可以将不同的经验转化为大脑动力学的共同空间。
后易腐烂技能计划（PSP）IV - 战略通信（插入演示者名称和号码）CCN：29540 |邮政认证II | Reimbu
A.交流阶段1。方法 - 身体的影响2。问候 - 发起对话3。参与 - 促进交流的策略4。适应 - 灵活5。维修 - 重新建立融洽关系6。事件关闭 - 我们今天如何结束联系可能会影响未来的联系B。消息传递1。内容2。语气/语音3。非语言C.主动聆听1。肯定2。开放式问题3。镜像4。释义5。避免“您”消息6。有效的停顿7。听理解不要回应D.同理心1。移情与同情a。同理心 - 理解和分享另一个b的感受的能力。同情 - 对别人不幸的悲伤和怜悯2。建立融洽的E.询问技术1。故意关闭的问题2。开放式问题3。问题类型事实查找b。领导
认知灵活性是通过灵活的神经表现形式转移大脑网络流动
我们克服习惯反应以支持目标驱动的新颖反应的能力取决于额叶认知控制网络（CCN）。最近和正在进行的工作正在揭示大脑网络和信息过程，这些过程允许CCN产生认知灵活性。首先，最近发现对与目标相关表示的灵活维护和操纵所必需的工作记忆过程取决于CCN区域内的短期网络可塑性（与持续活动相反）。第二，构图（即摘要和可重复使用的）在CCN中维持的规则表示形式已被发现将网络活动从刺激转移到响应，从而实现了灵活的行为。一起，这些发现表明，通过CCN协调的网络机制来增强认知灵活性，利用神经表示和网络流的组成重用来灵活地实现任务目标。
国际气候变化新闻指数与货币政策的申请
摘要我们构建了气候变化新闻（CCN）指数，该指数根据报纸文章的文本信息来衡量日本气候变化风险的关注。我们将索引与Engle等人的原始WSJ气候变化新闻指数进行比较。（2020）美国（WSJ-CCN指数）以及宏观经济不确定性的其他措施。我们发现，美国和日本的CCN指数之间的相关性远高于CCN指数与任何一个国家的其他不确定性措施之间的相关性。我们还发现，对CCN指数的冲击对经济情绪产生了显着负面影响，但对工业生产产生了模棱两可的影响。这与以下事实形成鲜明对比：对于美国和日本，其他不确定性冲击都会对经济情绪和工业生产都有负面影响。作为CCN索引的应用，我们研究货币政策的有效性是否取决于对气候变化风险的关注程度。
在新墨西哥州公共监管委员会面前
购电协议 (PPA) 是买方与第三方卖方之间签订的合同，买方在一段时期内以确定的成本购买电力。能源存储协议 (ESA) 是买方与第三方之间签订的电池存储合同，允许买方使用电池存储系统。便利和必要证书 (CCN) 是授予电力公司的许可证，授权其向某个地理区域提供服务或建造和运营新设施或设施扩建，提交 CCN 时，委员会必须证明新服务或新设施的资本支出符合公众利益。
通知 pnm 客户诉讼和听证事宜
购电协议 (PPA) 是买方与第三方卖方之间签订的合同，买方在一段时期内以确定的成本购买电力。能源存储协议 (ESA) 是买方与第三方之间签订的电池存储合同，允许买方使用电池存储系统。便利和必要证书 (CCN) 是授予电力公司的许可证，授权其向某个地理区域提供服务或建造和运营新设施或设施扩建，提交 CCN 时，委员会必须证明新服务或新设施的资本支出符合公众利益。
玛丽亚·托内瓦 –
程序委员会 程序主席：CogSci 2024 高级程序委员会成员：ACL 滚动评审（2023 年至今）、NeurIPS（2024 年至今）、ICML（2025 年至今）、CCN（2025 年至今）、CCN 技术程序委员会 (2022–2024) 程序委员会成员：ML：NeurIPS 2016-2023（2018 年前 30% 的审稿人）；ICML 2019-2023（2022 年前 10% 的审稿人）；AAAI 2020-2021、CoLLAs 2022、ICLR 2022-2024（2023 年重点审稿人）；NLP：ACL 2019-2021；NAACL 2019-2021；EMNLP 2020-2021； CoNLL 2020-2021；AACL-IJCNLP 2020；EACL 2021 期刊审稿人：TMLR、《自然人类行为》、《自然通讯》；《通讯生物学》；TICS、《ACM 通讯》、《计算神经科学前沿》