卡罗尔·德韦克是斯坦福大学刘易斯和弗吉尼亚·伊顿心理学教授。从巴纳德学院毕业并在耶鲁大学获得博士学位后,德韦克在哥伦比亚大学、哈佛大学和伊利诺伊大学任教,之后接受了目前的教学职位。凭借数十年的研究,她于 2012 年当选为美国国家科学院院士,并被认为是动机、性格和社会发展领域的世界顶尖专家之一,她最重要的贡献是心态概念。她 2007 年出版的大获成功的著作《心态:成功的新心理学》被世界教育联合会评为“年度最佳图书”。她的作品还出现在《时代》、《纽约客》、《华盛顿邮报》、《纽约时报》和《波士顿环球报》等众多出版物上。她还在世界各地就激励和育儿问题发表演讲,出现在《今日》和《20/20》等节目中,并发表了一场广受欢迎的 TED 激励演讲,该演讲的观看次数已超过 500 万次。她的文章《大脑学》最初于 2008 年发表在《独立学校》杂志上,解释了在学习环境中考虑心态的一些好处。
光声 (PA) 成像是一种新兴的混合成像技术,可以在增加穿透深度的情况下以高特异性和微米级分辨率非侵入性地识别组织。它采用脉冲激光作为激发源,并收集超声波响应以重建光吸收图,以反映组织区域的结构和功能细节。根据激发光和接收声音的排列方式,光声成像可以是多尺度的,从人体器官和小动物全身到单细胞等微观精细结构。PA 成像的血管特异性允许神经血管耦合神经电压成像,但迄今为止大多数工作都是通过血管和血氧波动而不是直接测量来询问神经元电压活动。在这里,我们提出了一种新颖的策略,该策略采用全场光声脑检测平台,该平台配有光稳定的电压敏感染料,可直接监测完整的癫痫小鼠脑中长时间的电压动态。通过研究大脑区域之间的连通性,可以揭示电传导通路及其方向性,这些方向性通过快速时间可视化来指示。所提供的证据突出了所提出的方法对癫痫和其他电压相关疾病的诊断和映射的潜力。
摘要:脑机接口 (BMI) 代表着一种变革性技术,可实现人脑与外部设备之间的直接交互。在各种 BMI 方法中,脉冲神经网络 (SNN) 因其能够有效模仿大脑的脉冲行为而脱颖而出。本文介绍了一种先进硬件架构的设计和实现,该架构能够在现场可编程门阵列 (FPGA) 上执行与脑电图 (EEG) 采集系统集成的 SNN 计算。首先使用四层将数据预处理成数组以进行特征提取。该模型在软件中训练,存储权重和参数,然后用于创建硬件模型并生成比特流文件。Python 覆盖连接软件和硬件,允许输出模拟以进行精度计算。
摘要。不同的几何方法,以对称正定定义(SPD)矩阵的形式分析和处理数据的几何方法对包括计算机视觉,医学成像和机器学习在内的众多领域具有显着的成功应用。此类应用的主要几何范式由与高度和高维度相关的光谱计算相关的一些riemannian几何形状组成。我们提供了一个可扩展的几何框架的途径,以基于半概括的希尔伯特和汤普森的几何形状,基于极端概括的特征值的有效组合,以分析和处理SPD值的数据。我们详细探讨了基于汤普森几何形状的特定地理空间结构,并建立了与该结构相关的几个属性。此外,我们基于这种几何形状来定义SPD矩阵的新型迭代平均值,并证明了它的存在和独特性,用于给定的有限点集合。最后,我们指出并证明了许多所满足此均值的理想属性。
人类和动物擅长从有限的数据中进行泛化,这种能力尚未被人工智能完全复制。本视角研究生物和人工深度神经网络 (DNN) 在分布内和分布外环境下的泛化能力。我们提出两个假设:首先,与离散认知实体(如物体、词语和概念)相关的神经流形的几何性质是强大的序参量。它们将神经基础与泛化能力联系起来,并提供一种统一的方法论来弥合神经科学、机器学习和认知科学之间的差距。我们概述了神经流形几何研究的最新进展,特别是在视觉物体识别方面,并讨论了将流形维数和半径与泛化能力联系起来的理论。其次,我们认为广度 DNN 的学习理论,尤其是在热力学极限下的学习理论,为生成所需神经表征几何和泛化的学习过程提供了机制上的见解。这包括权重范数正则化、网络架构和超参数的作用。我们将探讨该理论的最新进展和持续面临的挑战。我们还将讨论学习的动态及其与大脑表征漂移问题的相关性。
这些测试已在患者研究、健康志愿者脑成像研究以及几项涉及数万名志愿者的大型公共研究中得到验证。它们已被证明是衡量基线认知能力的有效且灵敏的方法。例如,在一项研究中,30 分钟的剑桥脑科学测试的结果与标准的 2-3 小时(纸笔)神经心理学测试 (WAIS-R) 的结果相当 (Levine 等人,2013)。在另一项关于老年人智力的最新研究中,CBS 测试的表现优于标准认知能力测试 (MoCA) (Brenkel 等人,2017)。最后,CBS 测试的表现可以高度预测推理和解决问题的能力,正如“经典”测试如瑞文矩阵和卡特尔文化公平测试所表明的那样 (Hampshire 等人,2012)。
脑科学系隶属于生物系,拥有来自生物学、计算机科学、物理学、数学、化学、医学、心理学和工程学等多个领域的 100 多名研究生和博士后。他们在充满启发性的学术氛围中,利用最先进的研究设施进行高度综合和跨学科的研究,并与全球顶尖研究机构密切互动。
大数据中的挑战 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ................. ... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................. ... . 452 可视化. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... ... ................. ... 457