XiaoMi-AI文件搜索系统
World File Search SystemNeur
“ Neuralink”主题的白皮书
没有提供在人与人工智能之间建立联系的方法，因此人工智能不会赶上人们，而是可以改善。这个问题还引起了科技杂志的埃隆·马斯克（Elon Musk），这导致了“ Neuralink”的想法，即实现这一目标：人类与人工智能之间的共生。在目前的工作中，首先描述了“ Neuralink”到底要理解的，哪些目标，微观和宏观目标是追求的，以及如何实施该项目。此外，还提出了关于现有技术的Neuralink的发展水平。然后显示出哪些障碍反对该项目，以及如何以及如何掌握它们。这是对将来的前景，如果按计划实施NeuralInk成功，则简要说明可能出现哪些问题。什么是Neuralink？Aralink是一家著名企业家Elon Musk担任首席执行官的创业公司。这也负责Tesla和SpaceX公司。Ziel 2
2020 年 11 月 20 日 Neuronetics, Inc. Gary Johnson 总监...
贸易/设备名称：NeuroStar 高级疗法 法规编号：21 CFR 882.5805 法规名称：重复经颅磁刺激系统 监管类别：II 类 产品代码：OBP 日期：2020 年 10 月 22 日 收到日期：2020 年 10 月 23 日 亲爱的 Gary Johnson： 我们已审查了您根据第 510(k) 条提交的上市前通知，该通知表明您有意销售上述设备，并已确定该设备与在 1976 年 5 月 28 日（医疗器械修正案颁布日期）之前在州际贸易中合法销售的同类设备基本等同（就附件中注明的用途而言），或与根据《联邦食品药品和化妆品法案》（法案）的规定重新分类的设备基本等同，这些设备不需要获得上市前批准申请（PMA）的批准。因此，您可以销售该设备，但须遵守该法案的一般控制规定。虽然本函将您的产品称为设备，但请注意，一些已获准的产品可能是组合产品。位于 https://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfpmn/pmn.cfm 的 510(k) 上市前通知数据库可识别组合产品提交。该法案的一般控制条款包括年度注册、设备列表、良好生产规范、标签以及禁止贴错标签和掺假的要求。请注意：CDRH 不会评估与合同责任担保相关的信息。但我们提醒您，设备标签必须真实且不得误导。如果您的设备被归类（见上文）为 II 类（特殊控制）或 III 类（PMA），则可能会受到其他控制。影响您设备的现有主要法规可在《联邦法规》第 21 篇第 800 至 898 部分中找到。此外，FDA 可能会在《联邦公报》上发布有关您设备的进一步公告。请注意，FDA 发布实质等同性判定并不意味着 FDA 已判定您的设备符合该法案的其他要求或其他联邦机构管理的任何联邦法规和规章。您必须遵守该法案的所有
自传中的神经科学史第 2 卷
我于 1923 年 1 月 25 日出生在瑞典乌帕拉。我生长在一个中产阶级的学者家庭。我 3 岁时，父亲被任命为隆德大学的历史学教授，我便带着家人从乌普萨拉搬到了那里。我父亲在乌普萨拉大学获得了博士学位，我母亲通过了文学硕士考试。我母亲一生都对研究保持着浓厚的兴趣，但她把抚养孩子和协助丈夫进行研究放在首位。然而，当我父亲 76 岁去世时，71 岁的她将自己全部投入到她最喜欢的研究领域——中世纪瑞典妇女的法律地位。她用瑞典语出版了几本书和一些关于这个主题的文章，几年后，她获得了乌普萨拉大学的荣誉博士学位。我们家里有四个孩子，我们都获得了不同级别的学位。我们对人文学科有着强烈的倾向。我的哥哥和姐姐选择了人文学科，而我和比我小 7 岁的弟弟选择了医学。我之所以行为偏离正轨，部分原因是年轻人的反对，部分原因是我模糊地认为科学比艺术更“有用”。我的童年和青年时代过得很快乐。我在一个稳定的环境中长大，父母爱我、支持我。我的叛逆和冒险行为可能很普通。学校生活还算可以忍受；我没费太大劲就取得了很好的成绩。1939 年 6 月，16 岁的我和一个同龄的男孩搭便车去德国旅行了 2 周。这是我 32 岁之前唯一一次出北欧旅行。这发生在第二次世界大战爆发前两个半月。我们有机会与许多社会地位各异的德国人交谈；他们中的大多数人都确信，收割一结束战争就会爆发，他们似乎也接受了这个事实，尽管他们有些不情愿。在柏林，我曾在一家由福音基金会经营的旅馆住了一晚，那里住着非常贫穷的人。我特别记得几个留着长胡子、面带悲伤的犹太人，他们一边嘟囔着，一边读着一本可能是《塔木德》的厚书，似乎是在绝望的情况下寻找答案和解决办法。否则，我根本不知道我身边可能正在发生的针对犹太人的可怕行动。
使用脑电图信号进行神经营销的调查 - UNB Scholar
摘要 — 神经营销是利用神经科学来了解消费者对产品和服务的偏好。因此，它研究与偏好和购买意向相关的神经活动。神经营销被认为是一个新兴的研究领域，部分原因是每年在广告和促销上花费了大约 4000 亿美元。鉴于这个市场的规模，即使性能略有改善也会产生巨大影响。传统的营销方法考虑以问卷、产品评级或评论形式出现的后验用户反馈，但这些方法不能完全捕捉或解释消费者的实时决策过程。已经提出了各种生理测量技术来促进记录决策过程的这一关键方面，包括脑成像技术（功能性磁共振成像 (fMRI)、脑电图 (EEG)、稳态地形图 (SST)）和各种生物传感器。EEG 在神经营销中的应用尤其有前景。脑电图 (EEG) 可以检测大脑活动的连续变化，没有明显的时间延迟，这是评估顾客无意识反应和感官反应所必需的。目前市场上有几种类型的脑电图设备，每种都有自己的优点和缺点。研究人员使用其中许多设备对不同年龄组和不同类别的产品进行了实验。由于可以获得深刻的见解，消费者和研究保护组织对神经营销研究领域进行了密切监控，以确保受试者得到适当的保护。本文调查了基于脑电图的神经营销策略的一系列考虑因素，包括可以收集的信息类型、如何向消费者呈现营销刺激、这些策略如何影响消费者的吸引力和记忆力、该领域应用的机器学习技术以及这一新兴领域面临的各种挑战，包括道德问题。关键词：脑电图、神经营销、神经科学、电子商务
研究论文 使用反向传播神经网络对高光谱遥感数据中的岩性信息进行提取和分类
为了解决高光谱遥感数据处理中遇到的同构问题,提高高光谱遥感数据在岩性信息提取与分类的精度,以岩石为研究对象,引入反向传播神经网络(BPNN),对高光谱图像数据进行归一化处理后,以岩性光谱与空间信息为特征提取目标,构建基于深度学习的岩性信息提取模型,并使用具体实例数据分析模型的性能。结果表明:基于深度学习的岩性信息提取与分类模型总体精度为90.58%,Kappa系数为0.8676,能够准确区分岩体性质,与其他分析模型相比具有较好的性能。引入深度学习后,提出的BPNN模型与传统BPNN相比,识别精度提高了8.5%,Kappa系数提高了0.12。所提出的提取及分类模型可为高光谱岩矿分类提供一定的研究价值和实际意义。
自传中的神经科学史第三卷
1923 年出生于德国柏林，本名为维尔纳·布鲁克。我的父亲是一名普通律师，也是一名优秀的钢琴家，他在家里与一个室内乐团一起演奏。我 5 岁时，我们家从市区的公寓搬到了郊区一栋舒适的房子里。生活很平静，我和邻居的男孩们一起玩耍，我的母亲开始带我去博物馆和美术馆。她是一个温柔的人，曾经是一名画家，还为孩子们写故事。1933 年，在小学最后一年级，我们举行了一次大型集会，班主任向我们解释了这对德国来说是多么伟大的一天，因为阿道夫·希特勒当选为总理。从那以后，生活发生了变化。令我惊讶的是，我发现我的玩伴都不再和我在一起了，我的父母不得不向我解释说，虽然我们没有宗教生活，但新政府认为我们是犹太人。几代人的文化同化、强烈的爱国主义以及在第一次世界大战 (WWI) 中担任军官的经历都变得毫无意义。在接下来的几年里，一切都变得越来越糟糕，在我父亲于 1938 年 11 月或 12 月从萨克森豪森回来后，我母亲设法把我送上了前往英国的儿童运输车，我于 1939 年 1 月到达英国。那时，我开始怀疑是否还剩下任何有意义的东西。为了叙述这个故事，我现在将随后在德国发生的噩梦抛在一边，只继续讲述我的故事。在肯特郡的一个美好的家庭里，我开始了新的生活，他们收留了我，我开始学习如何成为一名农民。我在那份工作中感到相当快乐，但这并没有持续太久。1940 年 5 月，当入侵预计发生时，所有德国国民都被拘留，我发现自己被归类为“三重敌国外国人”，不管那是什么，并被运往马恩岛。到 6 月，法国沦陷，我们很快被押送到加拿大，继续被拘留，但我们被视为普通敌国侨民，因为英国人没有告诉加拿大人我们是谁。我们花了几个月的时间才弄清楚，这要归功于我们最不寻常的营友的来信，他是前德皇最小的孙子，战争爆发时他在剑桥。后来，一位前被拘留者讲述了我们营地的整个疯狂故事（Koch，1980 年，1985 年）。
通过化学微传感器阵列进行实时边缘神经形态品尝
液体分析是跟踪食品、饮料和化学制造等行业是否符合严格的工艺质量标准的关键。为了在线并在最感兴趣的点分析产品质量，自动监控系统必须满足小型化、能源自主性和实时操作方面的严格要求。为了实现这一目标，我们介绍了在神经形态硬件上运行的人工味觉的第一个实现，用于连续边缘监控应用。我们使用固态电化学微传感器阵列来获取多变量、随时间变化的化学测量值，采用时间滤波来增强传感器读出动态，并部署基于速率的深度卷积脉冲神经网络来有效融合电化学传感器数据。为了评估性能，我们创建了 MicroBeTa（微传感器味道测试），这是一个用于饮料分类的新数据集，包含 3 天内进行的 7 小时时间记录，包括传感器漂移和传感器更换。我们实现的人工品味在推理任务上的能效比在其他商用低功耗边缘 AI 推理设备上运行的类似卷积架构高出 15 倍，在 USB 棒外形尺寸中包含的单个英特尔 Loihi 神经形态研究处理器上实现了比传感器读数采样周期低 178 倍以上的延迟和高精度（97%）。
自传中的神经科学的历史12
史蒂夫·利斯伯格（Steve Lisberger）一直是理解使用眼动运动作为醒着的模型系统的运动控制和运动学习的神经回路基础的先驱，表现非人类灵长类动物。接受了数学和计算机科学培训，他作为研究生转向神经科学。在整个50年的职业生涯中，他一直用作工具单单元电生理学，巧妙的目标运动范例，对眼动行为的定量分析和计算建模。他对小脑皮层的输出如何控制运动以及其与前庭反射（VOR）的相互作用进行了重要发现。他对VOR中运动学习的神经回路基础的分析显示，前庭输入中存在于小脑皮层和前庭核中“小脑核”神经元的三个平行VOR途径。他的研究生涯的后半部分扩展到了平稳追捕眼动的视觉指导分析。他评估了如何从外部视觉皮层中解码视觉运动的种群响应，并将解码器的神经回路基础表征为一种途径，它估计了物理目标运动的速度和方向，并且可以评估运动可靠性并利用它来设置信号传播的强度，从而将信号传递从视觉系统到电机系统。最近，他将运动学习用于追捕眼运动，以阐明小脑皮层中学习神经回路的工作原理。