XiaoMi-AI文件搜索系统
World File Search System尖峰
尖峰神经网络的脑启发的神经电路演变
在生物神经系统中，不同的神经元能够自组织形成不同的神经回路，以实现多种认知功能。但是，尖峰神经网络的当前设计范式基于深度学习的结构。这种结构以前馈连接为主，而无需考虑不同类型的神经元，这显着阻止了尖峰神经网络在复杂的任务上意识到它们的潜力。将生物神经回路的丰富动力学特性用于对当前尖峰神经网络的结构进行建模。本文通过将饲喂和反馈连接与兴奋性和抑制性神经元相结合，提供了更具生物学上合理的进化空间。我们利用神经元的局部尖峰行为来适应发展神经回路，例如正向激发，正向抑制，反馈抑制和局部局部抑制峰值依赖性依赖性可塑性，并与全球误差信号结合使用突触量。通过使用进化的神经回路，我们构建了尖峰神经网络，用于图像分类和增强学习任务。使用具有丰富的神经回路类型的脑启发的神经电路演化策略（NEUEVO），进化的尖峰神经网络极大地增强了感知和强化学习任务的能力。Neuevo在CIFAR10，DVS-CIFAR10，DVS-GETURE和N-CALTECH101数据集上实现了最新的性能，并在ImageNet上实现了高级性能。与人工神经网络一起实现可相当的性能，结合了上政策和非政策深度加固学习算法。TheevolvedSpikingNeuralCircuitSlayThayThayThayThaythayTheFoundationForneFoundationFortheeFoundationFortheeFoundationFortheeFoldutionforpsects and voldicts具有功能。
SARS-COV-2尖峰抗原特异性B细胞和抗体...
1 Department of Immunology and Cell Biology, Faculty of Medicine and Health Sciences, Sherbrooke, QC, Canada, 2 Department of Microbiology and Infectious Diseases, Faculty of Medicine and Health Sciences, Sherbrooke, QC, Canada, 3 Department of Biology, Faculty of Science, University of Sherbrooke, Sherbrooke, QC, Canada, 4 Unite ´ de Recherche Clinique et e 'pide·Miologique，北卡罗来纳州夏尔布鲁克市中心，加拿大省夏尔布鲁克，5微生物学和免疫学系，北卡罗来纳大学，美国北卡罗来纳州教堂山教堂山，北卡罗来纳州教堂山，6哺乳动物细胞表达，6个哺乳动物细胞表达，人类健康治疗中心，人类健康研究委员会，加拿大国家医学，QC，QC，QC，QC，QC，QC，QC，QC。 Sherbrooke, QC, Canada, 8 Laboratoire de Microbiologie, CIUSSS de l ' Estrie – CHUS, Sherbrooke, QC, Canada, 9 Faculty of Physical Activity Sciences, University of Sherbrooke, Sherbrooke, QC, Canada, 10 Research Centre on Aging, Af fi liated with CIUSSS de l ' Estrie-CHUS, Sherbrooke, QC, Canada
对待孩子，而不是脑电图？尖峰对具有中心颞尖峰的自限性癫痫儿童的大脑连通性的影响
Fiona Baumer，医学博士是斯坦福大学医学院神经病学助理教授。 她在波士顿儿童医院完成了儿童神经病学培训，并在斯坦福大学医学院完成了癫痫奖学金，在那里她是一名就读医师，并研究了对认知中癫痫发作的影响的研究。 她的研究重点是使用经颅磁刺激来测量和调节具有中心矛盾的自限性癫痫病的儿童的大脑连通性。 她还成为小儿癫痫研究联盟的积极参与者，也是小儿TMS映射站点的财团成员，以改善神经外科患者的TMS语言映射。Fiona Baumer，医学博士是斯坦福大学医学院神经病学助理教授。她在波士顿儿童医院完成了儿童神经病学培训，并在斯坦福大学医学院完成了癫痫奖学金，在那里她是一名就读医师，并研究了对认知中癫痫发作的影响的研究。她的研究重点是使用经颅磁刺激来测量和调节具有中心矛盾的自限性癫痫病的儿童的大脑连通性。她还成为小儿癫痫研究联盟的积极参与者，也是小儿TMS映射站点的财团成员，以改善神经外科患者的TMS语言映射。
2023; 13（12）：4166-4181。 doi：10.7150/thno.85843研究论文可爱素介导的尖峰纳米颗粒的胞质递送增强抗肿瘤免疫
理由：尽管基于新抗原的癌症疫苗在各种实体瘤中表现出了希望，但已有有限的免疫反应和晚期疾病患者的临床结局有限。新抗原和佐剂的胞质转运是激活细胞内收费受体（TLR）和交叉表现到新抗原特异性CD8 + T细胞所必需的，但仍然是一个重大挑战。Methods: In this study, we aimed to develop a virus-like silicon vaccine (V-scVLPs) with a unique spike topological structure, capable of efficiently co-delivering a hepatocellular carcinoma (HCC)-specific neoantigen and a TLR9 agonist to dendritic cells (DCs) to induce a robust CD8 + T cell response to prevent orthotopic tumor 生长。我们通过检查动物模型中的肿瘤生长和生存时间，并分析肿瘤微环境（TME）中的肿瘤浸润CD8 + T细胞和细胞因子反应来评估V-SCVLP的抗肿瘤功效。为了评估V-SCVLP与HCC中α-TIM-3结合使用的协同功效，我们使用了原位HCC小鼠模型，肺转移模型和肝切除术后肿瘤的补偿模型。结果：我们发现V-SCVLP可以通过小窝素介导的内吞作用有效地将肝细胞癌（HCC）特异性新抗原和TLR9激动剂共同分配给DCS。这种先进的递送策略导致V-SCVLP的有效淋巴结排干，以激活淋巴样DC成熟，以促进稳健的CD8 + T细胞和中央记忆T细胞反应，从而有效地阻止了原位性HCC肿瘤的生长。然而，在已建立的原位肝肿瘤模型中，用V-SCVLP免疫后，TIM-3的抑制性受体在肿瘤浸润的CD8 + T细胞中显着上调。阻止TIM-3信号进一步恢复了V-SCVLPS诱导的CD8 + T细胞的抗肿瘤活性，降低了调节T细胞的比例，并增加了细胞因子的水平，以改变肿瘤微环境以有效地抑制了Orthotopic HCC肿瘤的生长，并抑制了lung Mentastasis，并抑制了Lung Mentastasis，并抑制了Lung Mentastasiss and He and He and He and Lung Mentastasis。结论：总体而言，具有有效的新抗原和辅助细胞内递送能力的发达的新型Spike纳米颗粒对未来的临床翻译有很大的希望，可以改善HCC免疫疗法。
尖峰还是不钉？ SNN和CNN FPGA实现的定量比较
卷积神经网络（CNN）被广泛用于解决各种问题，例如图像分类。由于其计算和数据密集型性质，CNN加速器已被开发为ASIC或FPGA。应用程序的复杂性增加导致这些加速器的资源成本和能源需求增长。尖峰神经网络（SNN）是CNN实施的新兴替代品，有望提高资源和能源效率。本文解决的主要研究问题是，与CNN等效物相比，SNN加速器是否真正满足了能源需求减少的期望。为此，我们分析了多个SNN硬件加速器的FPGA，以涉及性能和能源效率。我们提出了一种新颖的尖峰事件队列编码方案和一种新型的记忆组织技术，以进一步提高SNN能源效率。这两种技术都已经融入了最先进的SNN体系结构，并对MNIST，SVHN和CIFAR-10数据集进行了评估，以及两个不同尺寸的现代FPGA平台上的相应网络体系结构。对于小型基准（例如MNEST），SNN设计与相应的CNN实施相比，没有相当或很少的延迟和能源效率优势。对于更复杂的基准测试，例如SVHN和CIFAR-10，趋势逆转。
ESL-SNNS：尖峰神经网络的进化结构学习策略
尖峰神经网络（SNN）在推理过程中在功耗和事件驱动的属性方面具有显着优势。为了充分利用低功耗并提高了这些模型的效率，已经探索了修剪方法，以找到稀疏的SNN，而无需在训练后没有冗余连接。但是，参数冗余仍然会阻碍训练过程中SNN的效率。在人脑中，神经网络的重新布线过程是高度动态的，而突触连接在脑部消除过程中保持相对较少。受到此启发，我们在这里提出了一个名为ESL-SNNS的SNN的有效进化结构学习（ESL）框架，以实现从头开始实施稀疏的SNN训练。SNN中突触连接的修剪和再生在学习过程中动态发展，但将结构稀疏保持在一定水平。因此，ESL-SNN可以通过在时间上列出所有可能的参数来搜索最佳的稀疏连接。我们的实验表明，所提出的ESL-SNNS框架能够有效地学习稀疏结构的SNN，同时降低有限的精度。ESL-SNN仅达到0。在DVS-CIFAR10数据集上具有10％连接密度的28％抗性损失。我们的工作提出了一种全新的方法，可以通过生物学上合理的进化机制对SNN进行稀疏训练，从而缩小了稀疏训练和密集培训之间的明确攻击差距。因此，它具有SNN轻量级训练和低功耗和少量记忆使用情况的巨大潜力。
学习通过尖峰神经元网络进行预测
5参考：https：//www.the-scientist.com/infographics/infographic-undercanding-ounderding-our-diverse-brain-30678图来源：Shen，G.，G.，Zhao，D.，Dong，Dong，Y.潜入神经元异质性的力量。ARXIV预印ARXIV：2305.11484。
对人皮质中直接电微刺激的神经元尖峰响应
微刺激可以调节单个神经元的活性影响行为，但是刺激对神经尖峰的影响是复杂的，并且仍然了解不足。这在人大脑中尤其具有挑战性，因为单个神经元的响应特性稀疏和异质。在这里，我们在6位参与者（3位女性）中使用人前颞叶中的微电极阵列来检查单个神经元对通过多个不同不同刺激位点进行微刺激的尖峰反应。我们证明可以使用不同的刺激位点的激发或触发来驱动单个神经元，这表明一种方法可以在单神经元水平上直接控制尖峰活动。尖峰反应在接近刺激部位的神经元中是抑制性的，而兴奋反应在空间上更为分布。一起，我们的数据表明，可以在人皮质中可靠地识别和操纵单个神经元的尖峰反应。
使用元神经算法的培训尖峰神经网络
摘要：从大脑中汲取灵感，已经提出了尖峰神经网络（SNN）来理解和减少机器学习和神经形态计算之间的差距。超级学习是传统ANN中最常用的学习算法。然而，由于尖峰神经元的不连续和非差异性质，直接使用基于反向传播的监督学习方法培训SNN具有挑战性。为了克服这些问题，本文提出了一种新颖的基于元疗法的监督学习方法，以适应时间误差函数。我们研究了七种称为Harmony Search（HS），杜鹃搜索（CS），差异进化（DE），粒子群优化（PSO），遗传算法（GA），人工BEE COLONY（ABC）和语法进化方法的遗传算法（GA），遗传算法（GA），遗传算法优化（GA），遗传算法优化（GA），遗传算法优化（GA），用于携带网络培训的搜索方法。使用相对目标频率时间而不是固定和预定的时间，使误差函数的计算更加简单。使用UCI机器学习存储库中收集的五个基准数据库评估了我们所提出的方法的表现。实验结果表明，与其他实验算法相比，该提议的算法在解决四个分类基准数据集方面具有竞争优势，其准确率为0.9858、0.9768、0.77752，而IRIS，癌症，糖尿病，糖尿病和0.6871的精度为0.9858、0.9768、0.77752和0.6871。在七种元启发式算法中，CS报告了最佳性能。