XiaoMi-AI文件搜索系统
World File Search SystemRONS
本文件是评审团批准的长期工作成果...
我们的工作是在自动说话人识别的背景下。我们认为该领域的研究可以分为两类。第一组包括在自动语音识别背景下开发或验证的技术的实现，例如动态规划、隐马尔可夫模型或神经网络。这些方法隐式地使用了对话者可变性。第二类包括试图从语音信号中提取最能描述说话者的声学和语音参数的研究。这些研究试图明确地利用对话者之间的差异和说话者自身的差异。我们的工作属于后一类。
平面人通过使用干细胞系统在体型变化期间保持不同细胞类型的恒定比率
平面人会根据喂食还是饥饿的条件来改变体型。为了调查平面主义者如何调节这种柔性系统，计算了总细胞和特定细胞类型的数量，并比较了2 mm至9毫米的蠕虫。总细胞数随体长的增加线性增加，但是头部和躯干部分之间的细胞数量是恒定的（1：3）。有趣的是，使用细胞类型特异性抗体进行免疫染色后，计算眼睛和大脑中特定的神经元的数量表明，无论大脑和身体大小如何，不同神经元类型之间的比率是恒定的。这些结果表明，平面主义者可以通过保持不同细胞类型的恒定比例来维持比例，同时改变身体大小。了解该系统并揭示pla-narians如何在眼睛和脑再生过程中恢复原始比率，在再生过程中研究了专门细胞的数量。结果进一步证实了某种形式的“计数机制”的存在，这些机制具有调节复杂器官（例如细胞更新，饥饿和再生）等复杂器官（例如大脑）中不同细胞类型的绝对数量和相对数字。
大脑在基于多源神经反馈游戏期间的竞争和协作中同步
神经元和神经胶质是高度极化的细胞，其远端细胞质功能亚域需要特定的蛋白质。神经元具有轴突和树突状细胞质扩展，其中包含突触，其可塑性受mRNA转运和局部翻译有效调节。这些机制背后的原理对于解释远端神经胶质细胞质投影的快速局部调节（与其细胞核无关）同样有吸引力。然而，与神经元相比，mRNA定位在GLIA中几乎没有实验性关注。尽管如此，有许多功能多样的神经胶质亚型，其中包含长长的细胞质投影网络，其可能局部调节可能会影响神经元及其突触。此外，神经胶质具有许多其他类似神经元的特性，包括电活动，胶质递质的分泌和钙信号传导，例如突触传递，可塑性和轴突修剪。在这里，我们回顾了先前关于神经胶质转录本在影响突触可塑性方面重要作用的研究，重点是涉及局部翻译的一些情况。我们使用已经可用于神经元可用的尖端工具讨论了有关mRNA传输和Glia中局部翻译的各种重要问题。
大型语言模型删除了概念
通过神经元修剪编辑的模型编辑进展，对从大语言模型中删除不良概念的承诺有望。尚不清楚模型是否具有重新构造的修剪概念的能力。为了调查这一点，我们通过跟踪命名实体识别任务的再培训期间的修剪神经元的概念显着性和相似性来评估模型中的概念。我们的发现表明，模型可以通过将高级概念重新定位到早期的层次，并将修剪的概念重新恢复后延伸，并将其重新分配给具有类似语义的启动的neurons。这表明模型表现出多性性的能力，并且可以在单个神经元中融合旧和新概念。虽然神经元修剪为模型概念提供了不可证明的性能，但我们的结果突出了永久概念删除以改善模型安全性的挑战。监控概念的重新出现和开发技术以减轻不安全的概念的重新学习将是更重要的模型编辑的重要方向。总的来说，我们的工作强烈证明了在LLMS概念后的概念概念中的弹性和流动性。
![arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日](/simg/g:\will\search\icon\source\d\d0976242ca6a3c04cc3b5d1594fcaee6c780e736.webp)
arXiv:2502.07192v1 [cs.CV] 2025 年 2 月 11 日
机器学习和人工智能取得了令人瞩目的进步，但却是以大量的计算资源和能源消耗为代价的。这迫切需要一种新型的、节能的计算结构来取代目前的计算管道。最近，一种有前途的方法出现了，即模仿大脑中的脉冲神经元，利用 CMOS 上的振荡器进行直接计算。在这种情况下，我们提出了一种在 CMOS 振荡器网络（OscNet）上实现的新型节能机器学习框架。我们使用 OscNet 模拟胎儿大脑视觉系统的发育过程，并根据受生物学启发的赫布规则更新权重。然后将相同的管道直接应用于标准机器学习任务。OscNet 是一种专门设计的硬件，本质上是节能的。它仅依靠前向传播进行训练，进一步提高了其能源效率，同时保持了生物学合理性。模拟验证了我们对 OscNet 架构的设计。实验结果表明，OscNet 上的 Hebbian 学习管道实现了与传统机器学习算法相当甚至超越其的性能，凸显了其作为节能高效计算范例的潜力。
利用连续 CRISPR/Cas9 基因编辑技术对神经元蛋白进行双链标记和操作
CRISPR/Cas9 介导的基因敲入方法能够标记单个内源性蛋白质，从而如实地确定它们在细胞中的时空分布。然而，由于编辑事件之间存在串扰，因此在神经元中可靠地多路复用基因敲入事件仍然具有挑战性。为了克服这个问题，我们开发了条件性激活基因敲入表达 (CAKE)，从而实现高效、灵活和准确的多路复用基因组编辑。为了减少串扰，CAKE 基于顺序重组酶驱动的向导 RNA (gRNA) 表达来控制每个供体序列的基因组整合时间。我们表明，CAKE 广泛应用于大鼠神经元，以共标记各种内源性蛋白质，包括细胞骨架蛋白、突触支架、离子通道和神经递质受体亚基。为了充分利用 CAKE，我们使用超分辨率显微镜解决了内源性突触蛋白的纳米级共分布，表明它们的共组织与突触大小相关。最后，我们引入了可诱导二聚化模块，可精确控制活神经元中的突触受体动力学。这些实验凸显了 CAKE 揭示新生物学见解的潜力。总而言之，CAKE 是一种多功能的多重蛋白质标记方法，可以检测、定位和操纵神经元中的内源性蛋白质。
P2Y6受体依赖性的小胶质细胞吞噬突触在发育过程中调节突触密度和记忆
在大脑发育过程中，过量突触被修剪（即删除），部分是由小胶质细胞增多症，而突触的失调会导致行为缺陷。已知P2Y 6受体（P2Y 6 R）调节神经元的小胶质细胞吞噬作用，并调节细胞培养和体内突触的小胶质细胞吞噬作用。但是，目前尚不清楚P2Y 6 R是否调节开发过程中的突触修剪。在这里，我们表明，两性的P2Y 6 R KO小鼠大大降低了突触材料的小胶质细胞内在化，在第30天的CD68染色小胶质细胞（P30）中以VGLUT1测量（P30）（P30），表明降低了合成生的小胶质细胞吞噬作用。与此相一致，我们发现P30处海马的体感皮质和CA3区和齿状回的突触密度增加。我们还表明，根据新的位置识别，新颖的对象识别和Y迷宫记忆测试，成年的P2Y 6 R KO小鼠损害了短期和长期空间记忆和与WT小鼠相对的短期和长期识别记忆的损害。总体而言，这表明P2Y 6 R调节发育过程中突触的小胶质细胞吞噬作用，这有助于记忆力。
![arxiv：2502.07192v1 [cs.cv] 2025年2月11日](/simg/g:\will\search\icon\source\a\a52b4213b04afe4ff238254673040f354f77e23c.webp)
arxiv：2502.07192v1 [cs.cv] 2025年2月11日
机器学习和人工智能已经实现了出色的广告，但付出了大量的计算资源和能源消耗。这已经产生了一种新颖的，节能的计算工具来替代当前计算管道的需求。最近，通过模仿大脑中的尖峰旋转并利用CMOS上的振荡器进行直接计算而出现了一种有希望的方法。在这种情况下，我们提出了一个在CMOS振荡器网络（OSCNET）上实施的新的，节能的机器学习框架。我们使用OSCNET对产前大脑的视觉系统的持续过程进行建模，并根据生物学启发的Hebbian规则更新权重。然后将同一管道直接应用于标准的机器学习任务。OSCNET是一种专门设计的硬件，固有的能源效率。仅依靠前向传播训练进一步提高了其能源效率，同时提高了生物学上的合理性。仿真验证了我们的oscnet架构的标志。实验结果是，HEBBIAN学习管道上的OSCNET实现了与传统的机器学习算法相当甚至超过传统的机器学习算法的性能，从而强调了其作为节能和有效的计算范式的潜力。
Bretigea：脑细胞类型特异性基因表达分析
描述大量基因表达数据中相对细胞类型比例的分析。提供了一组良好的脑细胞类型特异性标记基因，这些基因从多种类型的实验中得出，如McKenzie（2018）中所述。对于脑部数据集，有标记基因可用于星形胶质细胞，内皮细胞，小胶质细胞，神经胶质，少突胶质细胞和少突胶质细胞前体细胞，这些细胞源自hu-man，小鼠，小鼠和组合的人类/小鼠数据集。但是，如果您对自己的标记基因具有辅助性，则可以将功能应用于任何组织的大量基因表达数据。还使用这些标记基因实现了相对细胞类型比例估计的多个选项，从Chikina（2015）。可以根据您的偏好和数据集来增加或降低给定分析中使用的细胞类型标记基因的数量。最后，提供了使用估计值在下游分析之前使用估计值调整细胞类型相对比例的可变性的功能。
2019 年活动特别丰富
研究人员和工程师的技术会议分三场并行举行。今年，研讨会还在活动期间举办了展览，共有 26 家参展商（设备制造商和经销商、技术工程）。在研讨会计划中，与会者有机会参观了几个战略地点。第一天，CEA LIST 向实验室敞开大门；访问结束后举行了鸡尾酒晚宴。最后下午，包括三个法国工业旗舰在内的四个工厂迎来了与会者：位于伊夫林省圣康坦的赛峰飞机发动机公司、位于埃朗古的法航零件维修中心、位于莱莫罗的阿丽亚娜集团和位于伊夫林省的Synchrotron -Sun。巴黎萨克雷.最后，本期的另一个新特点是：由布鲁塞尔航空公司和 Cotesa Composites 赞助的学生竞赛。来自大学的八支球队-