XiaoMi-AI文件搜索系统
World File Search System联想记忆
具有联想记忆和事件的机器智能......
摘要：数字机器智能从最初的数字计算形式发展到人工智能，其核心是执行人类可以执行的认知任务，例如预测推理或复杂计算。最先进的技术包括可以通过一系列正式的数学规则或一系列事件驱动的操作轻松描述的任务，例如建模、模拟、业务工作流、与设备的交互等，以及易于“直观”完成但难以正式描述或作为一系列事件驱动的操作的任务，例如识别口语或面孔。虽然这些任务令人印象深刻，但它们在将常识推理应用于新情况、填补信息空白或理解和应用不成文的规则或规范方面存在不足。人类智能使用联想记忆和事件驱动的交易历史来快速理解他们所观察到的内容，以便在他们仍在观察时对其进行处理。除了这种认知能力之外，所有生物系统都表现出自创生和自我调节。在本文中，我们展示了如何增强机器智能，使其包括联想记忆和事件驱动的交易历史，从而创建一类新的基于知识的助手来增强人类智能。数字助理使用从大型语言模型中获得的全局知识来弥合相互交互的各个参与者之间的知识差距。我们使用信息的一般理论和基于模式的知识表示来创建交互中涉及的各种交易的记忆和历史记录。
受大脑启发的脉冲神经网络中的终身学习和发展联想记忆
生物系统中的 EAM，更具体地说是大脑中的 EAM，是通过终身学习 (LLL) 创建的，其中相关项目在时间和空间中的结构（例如集群）不断创建和修改。另一方面，LLL 依赖于基于共性和相似性将新项目添加到现有结构中，因此 LLL 和 EAM 是同一过程的双重原则。这种二元性涉及大脑中不同层次的分子和神经功能，例如：神经发生；神经调节；情景重放；元可塑性；多感觉整合。1 大脑中的 LLL 是基于神经网络的人工系统中 LLL 的终极灵感，更具体地说，是基于大脑启发的脉冲神经网络 (SNN) 架构，其中时空联结结构不断形成和修改以形成不断发展的时空联想记忆 (ESTAM)。2–5
双向联想记忆中的二进制编码
人工神经网络 (ANN) 是受生物神经网络结构和功能启发而产生的计算模型。它们可以成为解释认知过程的一种有趣方法 [Hasson 等人，2020 年]。认知建模中使用的一组值得注意的 ANN 是双向联想记忆 (BAM)，它基于神经动力学视角运行。BAM 使用反馈权重来学习刺激对，并且具有抗噪性，能够在仅提供部分信息的情况下回忆起输入 [Acevedo-Mosqueda 等人，2013 年]。BAM 通常使用双极编码，其中输入向量由 -1 和 1 的值组成，因为它比二进制编码提高了学习性能，其中输入向量由 0 和 1 组成 [Kosko，2021 年]。然而，在使用 ANN 进行认知建模时，它们必须建立在基于大脑中发生的过程的原则之上，同时避免仅仅提高计算效率的方法 [O'Reilly，1998]。二进制编码被认为在生物学上更合理，因为它更接近于脉冲的存在和不存在。此外，它提供了 0 的吸收特性，这可以实现更多的认知过程，如真正的稀疏性、门控、过滤等。因此，本文
DNA和核小体的联想记忆模型
引入了DNA和核小体的模型，目的是研究从单个碱基水平一直到高阶染色质结构的染色体。该模型被称为广泛可编辑的染色质模型（Wechrom），重现了双螺旋的复杂力学，包括其弯曲持久性长度和扭曲持久长度以及前者的温度依赖性。Wechrom Hamiltonian由链连接性，空间相互作用和相关记忆项组成，这些记忆项代表了所有剩余的相互作用，从而导致B-DNA的结构，动力学和机械性特征。讨论了该模型的几种应用，以证明其适用性。Wechrom用于研究圆形DNA在正和阴性超串联的主体中的行为。我们表明，它概括了底膜的形成和放松机械应力的结构缺陷。模型自发地表现出相对于正或负超串联的不对称行为，类似于实验中先前观察到的不对称行为。此外，我们表明，辅助记忆哈密顿量也能够再现核小体脱离部分DNA的自由能。Wechrom旨在模拟10nm纤维的连续可变机械性能，并且凭借其简单性，可以将其扩展到足以研究基因结构组合的分子系统。Wechrom在OpenMM仿真工具包中实现，可以免费使用。
利用实时 fMRI 神经反馈诱导联想记忆形成的心理背景
记忆是人类认知的标志之一，当人类使用神经反馈自愿调节神经群体活动时，记忆就会被改变。然而，目前尚不清楚神经反馈是否会影响记忆的整合，以及在这种神经扰动之后记忆是会得到促进还是受损。在这项研究中，参与者记住了物体，同时我们根据他们在腹侧视觉流中的大脑活动模式为他们提供了抽象的神经反馈。这种神经反馈在记忆物体的同时在大脑中创建了一个隐含的面部或房屋背景。结果表明，参与者完全由于神经反馈操纵而在每个记忆的物体与其隐含背景之间建立了关联。我们的研究结果揭示了记忆形成如何受到神经反馈合成记忆标签的影响，并加深了我们对助记符处理的理解。