XiaoMi-AI文件搜索系统
World File Search System反馈信号
目标驱动学习行为中的可塑性神经流形
神经活动通常是低维的，并且仅由少数几个突出的神经共变模式主导。有人假设这些共变模式可以形成用于快速灵活运动控制的基石。支持这一想法的是，最近的实验表明，猴子可以在几分钟内学会调整其运动皮层中的神经活动，前提是变化位于原始低维子空间（也称为神经流形）内。然而，这种流形内适应背后的神经机制仍然未知。在这里，我们在计算模型中表明，由学习到的反馈信号驱动的循环权重修改可以解释在流形内和流形外学习之间观察到的行为差异。我们的研究结果提供了一个新的视角，表明循环权重变化不一定会导致神经流形发生变化。相反，成功的学习自然会限制在一个共同的子空间中。
气动弹性运载火箭的晃动观测器设计
本文重点介绍滑模观测器的设计，以估计晃动质量的位置和速度状态。这些状态随后用作姿态控制器的反馈信号。简单的比例微分 (PD) 刚体控制器无法安全地执行姿态命令，否则会遇到稳定性问题，即使在稳定状态下，非零晃动质量位置也会导致旋转角度抖动。通过晃动状态反馈，即使是非最优 PD 控制器也会在有限的执行器活动下表现出平滑的响应。然而，观测器的晃动模型参数的轻微不确定性会对控制器性能产生负面影响，从而增加液体的振幅和振荡行为。需要额外的观测器来估计正确的参数值。更强大的增量非线性动态逆控制器可以改善控制器响应，但需要进一步开发，例如，在反馈回路中加入陷波滤波器。
使用星形胶质细胞神经网络进行容错计算的设计方法
我们提出了一种设计方法来促进深度学习模型的容错。首先，我们实现了一个多核容错神经形态硬件设计，其中每个神经形态核心中的神经元和突触电路都包裹在星形胶质细胞电路中，星形胶质细胞是大脑的星形神经胶质细胞，它通过使用闭环逆行反馈信号恢复故障神经元的尖峰放电频率来促进自我修复。接下来，我们在深度学习模型中引入星形胶质细胞，以实现对硬件故障所需的容忍度。最后，我们使用系统软件将支持星形胶质细胞的模型划分为集群，并在所提出的容错神经形态设计上实现它们。我们使用七种深度学习推理模型评估了这种设计方法，并表明它既节省面积又节能。
特刊 - 互动学习：循环中的人...
特刊“交互式学习：为主动人机交互的循环系统设计中的人类设计”已经扩展了！潜在的主题：认知负载 - 可以使用模型来调整决策。应该预培训（即，为普通用户学习），而应进行交互或个性化的数量（即，对特定用户进行微调）？响应设计和相互作用的方式 - 使用自然/隐式反馈信号，例如自然语言，语音，眼动，面部表情和互动过程中的手势。有效的相互作用 - 速度和相互作用数量。人类的偏好或内部奖励是非平稳的，并且会随着时间的流逝而变化。限制可能是由于缺乏信任，可用性和生产力，尤其是在适应不可预见的阶级和任务环境中的变化时。特定的系统体系结构 - 问题和机器学习应用程序；人类信任问题不同的建筑问题。案例研究 - 例如，GIS中的图像分割和区域数字化之类的案例研究是可取的。
...
摘要。认知障碍是需要创建可靠的诊断和矫正工具的最常见的神经系统疾病类型。随着有效药物的开发，近年来，一系列研究一直在积极发展，其中各种非侵入性脑刺激的方法以及来自当前人的当前生理参数的反馈，主要来自电脑（EEG）的节奏组成部分（EEG）（EEG）（EEG），成功地用于诊断和正确的认知能力。提出的工作的目的是分析最新出版物，考虑这一研究线的成就，并突出其进一步发展的最有希望的方向。使用经颅磁和电刺激以及感觉类型的刺激（声学，光学和视听刺激）的研究，其中考虑了根据患者自身生物电性过程的反馈信号进行非侵入性刺激。由作者纠正各种认知障碍而开发的EEG引导的轻型刺激的优势是策划的。关键字：认知障碍，校正，非侵入性脑刺激，经颅磁和电刺激，感觉刺激，反馈，脑电图（EEG），EEG引导的光音乐刺激。
推荐基于隐式反馈
摘要。推荐系统已证明是在各种应用程序域中进行过滤，排名和发现的有价值的工具，例如电子商务，媒体存储库或基于文档的信息，其中包括本书中讨论的各种社交信息访问的方案。此类系统成功的一个关键在于对用户偏好的精确获取或估计。虽然一般推荐系统研究通常依赖于个性化的明确偏好陈述，但在现实世界中，此类信息通常非常稀疏或不可用。信息使我们能够通过用户的行为和行为（隐式反馈）间接评估某些项目的相关性，而相比之下。在本章中，我们将不同类型的隐性反馈类型分类，并在推荐系统和社交信息访问应用程序的背景下查看它们的使用。然后，我们将分类方案扩展到适合最近的应用域。最后，我们提出了最先进的算法方法，讨论在使用隐式反馈信号方面，特别是关于受欢迎程度偏见的挑战，并讨论了文献中的最新作品。
使用多抗响应钴氧化锰氧化物
抽象的紧凑型材料结构构造具有一定程度的内置智能，这是对易于交付的刺激的响应，这对于材料驱动的机器人非常需要。我们在这里报告了可见的光驱动的，双重响应的二氧化碳（Co-MNO 2）的双重响应材料，该材料在速度和功率需求方面表现出较高的致动性能，并且在光照明下具有降低的电阻率。致动特性可通过控制掺杂的量，然后进行电化学处理以激活该驱动，并且电阻变化方便地用作控制驱动的内置反馈信号。利用这些特性，构成了〜4 mW/cm 2的自感应可见光强度的紧凑型微生物设备，以沿多个可选的配置途径进行复杂的运动。在这些设备中证明了智能机器人功能，包括自我适应载荷提升，对象排序和按需结构僵硬。此处所展示的概念开辟了使用多含量响应材料创建机器人智能的观点。
工件表征和多用途模板-...
深部脑刺激 (DBS) 是一种治疗多种神经系统疾病的方法，包括帕金森病 [1–4]、特发性震颤 [5–7] 和肌张力障碍 [8–11]，对于这些疾病，药物治疗效果不佳。目前，标准治疗以连续的方式提供 DBS，没有自动反馈来根据不断变化的运动体征调整治疗。最近的研究集中于开发自适应 DBS (aDBS)，其中刺激根据患者临床状态的生物标志物进行调节 [12]。神经生理生物标志物，例如从 DBS 导线本身记录的皮层下局部场电位 (LFP) 的信号特性，经常被提议作为 aDBS 系统的反馈信号 [13,14]。例如，从丘脑底核 (STN) 记录的β 波段 (13-30 Hz) 振荡与帕金森病症状相关 [13]，β 波段功率已成功用作实验室实施 aDBS 的控制信号 [15–17]。使用从苍白球 (GP) 记录的较低频带 (4-12 Hz) 在颈部肌张力障碍中试验了类似的范例 [18]。因此，使用皮层下 LFP 生物标志物成功应用 aDBS 依赖于对神经信号的准确感知，特别是在感兴趣的频带内。
对Gliomas中BRAFV600E抑制的反应和抵抗力：前方的障碍？
深脑刺激（DBS）是针对众多神经系统疾病的患者的一种治疗方法，包括帕金森氏病[1-4]，必需震颤[5-7]和肌张力障碍[8-11] [8-11]，药物治疗不足。护理标准目前以连续的方式提供DBS，而无需自动反馈以根据不断变化的运动标志调整治疗。最近的工作集中在自适应DBS（ADB）的发展上，在这种发展中，刺激是针对患者临床状态的生物标志物进行调节的[12]。神经生理生物标志物，例如从DBS铅记录的局部局部场电位（LFP）的信号特性，经常被提议作为ADBS系统的反馈信号[13,14]。例如，从丘脑下核（STN）记录的β范围（13-30 Hz）振荡与帕金森氏病的症状相关[13]，并且成功实施了β波段功率作为基于实验室的ADB实施的控制信号[15-17]。在宫颈肌张力障碍中使用较低的频带（4-12 Hz）在宫颈肌张力障碍（GP）[18]中试用了类似的范例。因此，使用皮质下LFP生物标志物成功应用ADB是依赖于神经信号的准确感测，尤其是在感兴趣的频带中。
![arxiv：2409.09541v3 [cs.ai] 2024年12月12日](/simg/g:\will\search\icon\source\1\14209d226327b5a6cbf8e094be8901d23e4dc34a.webp)
arxiv：2409.09541v3 [cs.ai] 2024年12月12日
强化学习已彻底改变了动态环境中的决策过程，但它经常在自主检测和实现目标的情况下而在没有明确反馈信号的情况下进行斗争。例如，在源术语问题问题中，缺乏精确的环境信息使得提供明确的反馈信号并定义和评估源位置是如何终止的。为了应对这一挑战，开发了自主目标检测和停止（AGDC）模块，通过在任务完成后纳入自主目标检测和CES的自动反馈机制来增强各种RL算法。我们的方法可以通过近似代理人的信念来有效地识别不确定的目标，从而显着增强了反馈有限的环境中RL算法的能力。为了验证我们的方法的效率，我们将AGDC与深度Q网络，近端政策优化和深度确定的策略梯度算法相结合，并评估了其在源期限估计问题上的表现。表明，AGDC增强的RL算法显着超过了传统的统计方法，例如信息性和探索以及非统计的随机行动选择方法，例如信息触发，内特抗体和双重控制。这些改进在成功率，平均行进距离和搜索时间方面显而易见，突出了AGDC在复杂的现实世界情景中的有效性和效率。