XiaoMi-AI文件搜索系统
World File Search System神经模型
![arxiv：2412.07102v1 [q-bio.nc] 2024年12月10日](/simg/g:\will\search\icon\source\a\af424c332c188877ed0f4600c61c55e0e93a150c.webp)
arxiv：2412.07102v1 [q-bio.nc] 2024年12月10日
颜色恒定（cc）是人类视觉系统稳定感知物体颜色的重要能力，尽管光线颜色有很大变化。在越来越多的神经科学领域的证据支持视觉系统的多个级别有助于CC的实现，但主要的视觉皮层（V1）如何在CC中起作用。在V1中的特定，双重（DO）神经元中被认为有助于实现一定程度的CC，但计算机制尚不清楚。我们构建了一个基于电生理的V1神经模型，以从具有地面真相照明的自然图像数据集中学习光源的颜色。基于对学到的模型神经元的响应特性的定性和定量分析，我们发现学到的模型神经元的接收场的空间结构和色权重与简单的简单和DO神经元的神经元非常相似。在计算上，DO细胞的性能比V1中的简单细胞更强大，以进行照明预测。因此，这项工作提供了计算证据，支持V1 DO神经元通过编码发光剂来实现色彩恒定，
Rubella病毒tropism和人类的单细胞反应...
抽象风疹病毒是一种重要的人类病原体，在怀孕期间收缩时会导致发育中的胎儿神经缺陷。尽管在美洲和许多发达国家进行了成功的疫苗接种计划，但在全球许多地区，风疹仍然存在，并且在人口免疫不足的情况下发生。强烈的兴趣以来，自1962年首次分离风疹病毒以来，感染后，我们对临床结果的理解却破坏了胎儿神经发育的关键过程。然而，仍然未知脑中的哪些细胞类型是针对的。我们表明，在人脑切片中，风疹病毒主要感染小胶质细胞。这种感染发生在异质种群中，但在没有其他细胞类型的情况下不存在于高度胶质细胞的单一培养物中。通过使用类器官 - 微神经模型，我们进一步证明了风疹病毒感染会导致非微神经细胞（包括神经元和神经祖细胞）的干扰素反应深刻，并且这种反应因小胶质细胞的存在而减弱。
神经成熟提供了表征的稳定性和理解复杂概念的解决方案 Hiroyasu Watanabe Bream 研究小组
神经成熟提供表征的稳定性和理解复杂概念的解决方案 Hiroyasu Watanabe Bream 研究小组 摘要 通过人工智能实现类似人类大脑功能的最新进展日益显著。然而，人工智能的这些惊人进步并不一定需要了解现代分子生物学。在这里，我说明了神经成熟在基于神经网络的信息处理模型中的重要性。在监督和强化学习范式中，未成熟的传递可以学习像正常高保真条件这样的属性，但在达到灾难性点后会失去这些属性。然后我研究了负责神经元成熟的基因，发现候选基因 KCNH7 在小鼠大脑发育过程中以更高的水平表达。在具有 KCNH7 通道属性的模拟神经模型中，激发阈值增加，从而产生线性响应属性。这些属性增强了表征回忆的稳定性，并使无监督学习模型能够理解复杂的概念。这些结果强调了神经成熟在成年人实现更高识别能力方面的重要性。
医学中的神经形态应用
摘要近年来，医疗保健行业对小型化，低功耗，快速治疗和非侵入性临床策略的需求不断增长。为了满足这些需求，医疗保健专业人员正在寻求新的技术范式，以提高诊断准确性，同时确保患者合规性。使用硬件和软件中的神经模型来复制大脑样行为，可以通过提供低功率，低潜伏期，小足迹和高带宽解决方案来帮助您进入医学新时代。本文概述了医学上最新的神经形态进步，包括医学成像和癌症诊断，生物信号的诊断和生物医学界面，例如运动，认知和感知假体。对于每个部分，我们提供了示例，说明了如何成功地与传统人工智能算法竞争，证明了神经形态工程以满足需求并改善患者结果的潜力。最后，我们讨论了当前在将神经形态硬件与非神经形态技术拟合的斗争中，并为硬件兼容性中的未来瓶颈提出了潜在的解决方案。
使用自编码器进行电磁头部跟踪的数据预测...
摘要。在航空电子设备中，飞行员使用头盔显示器 (HMD) 在护目镜上显示外部环境的同步视图和与飞机相关的重要参数。为了完美同步护目镜上的视图，必须同步外部环境的坐标以及飞行员头部运动的坐标。为了定位飞行员头部运动的坐标，称为头部跟踪的过程起着重要作用。头部跟踪可以使用不同的跟踪技术执行，例如光学跟踪、磁跟踪或惯性跟踪。在本文中，六自由度 (6-DoF) 磁运动跟踪装置 (Polhemus Patriot TM ) 用于在模拟器床上实时获取飞行员头部运动的坐标。在跟踪器采集过程中，由于铁磁性引起的磁场干扰，数据可能会丢失。为此，采用自修复神经模型 (SHNM) 来预测丢失的数据。用于恢复的数据有 5200 个 6-DoF 头部运动样本。SHNM 对三组不同的缺失数据的预测准确率超过 85%。将所提模型预测数据的准确率与反向传播神经网络 (BPNN) 模型进行了比较，结果发现 SHNM 模型的准确率优于 BPNN 模型
使用程序生成的大规模具身人工智能
海量数据集和大容量模型推动了计算机视觉和自然语言理解领域的许多最新进步。这项工作提供了一个平台，使具身人工智能能够取得类似的成功。我们提出了 P ROC THOR，一个用于程序化生成具身人工智能环境的框架。P ROC THOR 使我们能够对任意大的多样化、交互式、可定制和高性能虚拟环境数据集进行采样，以在导航、交互和操作任务中训练和评估具身代理。我们通过 10,000 个生成的房屋样本和一个简单的神经模型展示了 P ROC THOR 的强大功能和潜力。在 P ROC THOR 上仅使用 RGB 图像训练的模型，没有明确的映射，也没有人工任务监督，在 6 个用于导航、重新排列和手臂操作的具身人工智能基准测试中产生了最先进的结果，包括目前正在运行的 Habitat 2022、AI2-THOR Rearrangement 2022 和 RoboTHOR 挑战。我们还通过在 P ROC THOR 上进行预训练（无需在下游基准上进行微调）在这些基准上展示了强大的 0-shot 结果，通常击败了访问下游训练数据的以前最先进的系统。
基础模型时代的神经符号编程
Neuro-Symbolic编程（N E S Y），以应对培训神经网络的挑战，以解决复杂的推理任务，并带来了可解释性，可靠性和效率的额外好处。n e s y方法与象征性推理一起训练神经模型，但他们面临具有可伸缩性和训练的问题，这些问题将其限制在简单化的问题上。另一方面，纯净的神经基础模型现在可以通过提示而不是训练来达到最先进的表现，但是它们通常不可靠并且缺乏解释性。通过推理程序补充拟释放程序（我们称之为及时的符号符号（P r s y））提供了一种将这些模型用于复杂推理任务的方法。这样做提出了一个问题：神经符号在基础模型时代有什么作用？为了探讨这个问题，我们在计算，数据和程序方面重点介绍了N e s y的三个陷阱。然后，我们认为P r s y可以进行特定于任务的N e S y训练，从而为实现N e s y的最初目标提供机会而没有培训带来的缺陷。关键字：神经束，编程，基础模型，符号，培训
PEM燃料电池供应层中气压调节的增强控制方法
摘要。神经模型技术预测学习者绩效的利用已在包括自然语言处理在内的各种技术领域取得成功。最近，研究人员逐步将注意力集中在采用这些方法来促进社会经济可持续性的贡献，尤其是在预测学生学业成绩的背景下。此外，教育数据经常涵盖众多分类变量，预测模型的功效与适用于管理和解释该数据的可持续编码技术息息相关。这种方法符合促进教育中可持续发展的更广泛的目标，强调负责和公平的实践，以利用先进的技术来增强学习成果。基于这种见解，本文介绍了一篇文献综述，该文献综述深入研究了使用机器学习技术来预测在线培训课程中学习者的成果。目的是提供针对预测学生绩效，分类编码方法和所使用的数据集设计的最新模型的摘要。研究进行了实验，以相互评估建议的模型，并且与使用替代机器学习算法的某些预测技术相比，同时同时进行了预测技术。调查结果表明，采用编码技术转换分类数据会增强深度学习体系结构的有效性。值得注意的是，当与长期短期内存网络集成时，该策略会为所检查的问题产生出色的结果。
神经元特性在机器学习中的应用：用于数据分类的类脑神经模型
摘要：一些神经模型在图像识别、语义分割和自然语言处理中取得了优异的效果，然而，它们在不涉及特征提取的结构化和小规模数据集上的分类性能不如传统算法，尽管它们需要更多的训练时间。在本文中，我们提出了一种具有交互式刺激的类脑神经模型（NMIS），专注于数据分类。它由一个扮演不同认知角色的初级神经场和一个高级神经场组成。前者用于对应特征空间中的真实实例，后者存储类别模式。初级场中的神经元通过交互式刺激交换信息，它们的激活通过场间相互作用传递到高级场，分别模拟神经元相互作用和突触可塑性的机制。所提出的NMIS在生物学上是合理的，不涉及复杂的优化过程。因此，它在小规模和结构化数据集上表现出比传统BP神经网络更好的学习能力。对于大规模数据分类，提出了一种优化版本的最近邻 NMIS（NN_NMIS）来提高计算效率。在一些 UCI 数据集上进行的数值实验表明，所提出的 NMIS 和 NN_NMIS 明显优于机器学习中广泛使用的一些分类算法。
中国Xiamen女性HPV感染的患病率和基因型分布数字时代的社会认知神经科学
人类互动越来越多地通过远程人际交流（如视频聊天和社交媒体）的方法进行。虽然数千年来一直存在遥远的人际交流，但第一个邮政系统在公元前2400年出现。远程人际交流给社会认知神经科学领域带来了挑战，因为研究人员试图了解各种类型的远程人际交流对“社会大脑”的含义。本文回顾了我们当前对社会认知神经网络的理解，并总结了远程认知与面对面互动中社会认知的神经相关性之间的关键差异。尤其是经验和理论工作的回顾，这些工作突出了社会知觉的神经机制，社会刺激的评估，人类动机，社会奖励的评估和心理理论的差异。还讨论了远程人际交流对大脑社会认知网络发展的潜在影响。最后，这篇评论在我们的数字技术相关世界中的社会认知神经科学研究的未来方向结束，并在远程人际关系沟通的背景下概述了社会认知的神经模型。对于社会认知神经科学领域，与不断发展的社会一起前进，研究人员必须承认这篇评论中对未来研究的含义和概念至关重要。