XiaoMi-AI文件搜索系统
World File Search System视觉神经
消费者色彩神经营销 神经营销的...
消费者色彩神经营销 消费者色彩神经营销 Marcelo Patricio Obando Changuán* Jorge Aníbal Loya Simbaña* 摘要 颜色和神经营销对购买偏好的影响在于，大脑可以通过将颜色作为记忆储存在思想中来联想颜色。目的是展示颜色对消费者购买的影响，并验证他们是被包装和尺寸还是产品所吸引。 根据科学数据对书目和描述性研究进行了审查，其中包括 20 至 27 岁的 ESPE 学生。有 30 名受访者询问消费者对颜色选择的偏好，50 名受访者询问颜色和产品特征对购买的影响。方法是展示 3 种颜色的 3 种物品的 24 张图片和 10 个神经营销问题以供选择。结果表明，颜色会影响消费者的购买行为，并且 100% 的人认为尺寸、颜色和外观是影响无意识购买的重要因素。总之，黄色、蓝色、红色对心理有影响，视觉神经营销对购买决策有影响。还有广阔的世界需要探索，因为每个人都会管理自己的情绪和冲动。关键词：颜色、购买、消费者、影响力、神经营销学、影响力 RESUMEN La influencia de los colores y el Neuromarketing en preencias de adquisición radica en que la mente puede asociar colores albergando en el pensamiento como un recuerdo.目标
自然视觉场景的神经网络重建...
神经编码是系统神经科学中的核心问题之一，用于了解大脑如何从环境中处理刺激，此外，它也是设计脑与机器界面算法的基石，在该算法中，解码传入的刺激是高度要求的，以便更好地性能进行物理设备的性能。传统研究人员将功能性磁共振成像（fMRI）数据作为解码视觉场景感兴趣的神经信号。但是，我们的视觉感知在称为神经尖峰的事件方面以毫秒的快速时间尺度运行。几乎没有使用尖峰进行解码的研究。在这里，我们通过开发一个基于深层神经网络的新型解码框架（名为Spike-图像解码器（SID））来重建自然视觉场景（包括静态图像和动态视频），从实验记录的视网膜神经节细胞的尖峰中重建了新的解码框架。SID是一个端到端解码器，其一端为神经尖峰，另一端为图像，可以直接训练它，以使视觉场景以高度准确的方式从尖峰重建。与现有的fMRI解码模型相比，我们的SID在视觉刺激的重建方面也表现出色。此外，借助Spike编码器，我们证明SID可以通过使用MNIST，CIFAR10和CIFAR100的图像数据集将其推广到任意视觉场景。此外，有了预先训练的SID，可以解码任何动态视频，以实现通过Spikes对视觉场景进行实时编码和解码。©2020 Elsevier Ltd.保留所有权利。总的来说，我们的结果为人工视觉系统（例如基于事件的视觉摄像机和视觉神经图）提供了有关神经形态计算的新启示。
通过独立控制各个运动单元实现的非侵入式脑机接口
通过独立控制单个运动单元实现的非侵入式脑机接口 Emanuele Formento*，1，Paul Botros*，1，Jose M. Carmena 1,2+ * 同等贡献 1 加州大学伯克利分校电气工程与计算机科学系，伯克利，加利福尼亚州，94720，美国。 2 加州大学伯克利分校 Helen Wills 神经科学研究所，伯克利，加利福尼亚州，94720，美国。+ 通讯作者。电子邮件：jcarmena@berkeley.edu 摘要 脑机接口 (BMI) 有可能恢复残疾人的独立性，然而非侵入性和性能之间的妥协限制了它们的转化相关性。在这里，我们展示了一种由从肱二头肌非侵入性记录的单个运动单元控制的高性能 BMI。通过实时听觉和视觉神经反馈运动单元活动，8 名参与者学会了熟练而独立地控制三个运动单元，以完成二维中心向外任务，经过 6 天的训练，控制能力显著提高。与此同时，运动单元群体的维度相对于自然行为显著增加，在很大程度上违反了刻板的等长肌肉收缩期间显示的招募命令。最后，参与者在拼写任务中的表现证明了运动单元 BMI 的转化潜力，超过了现有非侵入式 BMI 的表现。这些结果展示了外周感觉运动系统尚未探索的灵活性水平，并表明可以利用这一点来创建新型的非侵入式高性能 BMI。
用于图像修复的无监督深度神经网络类似于遮挡场景的早期视觉皮层 fMRI 活动模式
人工智能在理解生物视觉方面的前景依赖于将计算模型与大脑数据进行比较，从而捕捉视觉信息处理的功能原理。深度神经网络 (DNN) 已成功匹配大脑前馈视觉通路延伸至腹侧颞叶皮层过程中发生的分层处理转换。然而，我们仍有待了解 DNN 是否能够成功描述早期视觉皮层中的反馈过程。在这里，我们研究了人类早期视觉皮层与具有编码器/解码器架构的 DNN 之间的相似性，以无监督方式训练以填充遮挡并重建未见过的图像。使用表征相似性分析 (RSA)，我们比较了人类参与者在观看部分遮挡图像时未受刺激的早期视觉皮层斑块的 3T fMRI 数据与来自相同图像的不同 DNN 层激活。结果表明，我们的网络在与 fMRI 数据的相似性方面优于经典监督网络 (VGG16)，这意味着改进的视觉神经网络模型需要结合捕捉皮层反馈处理的架构。我们还发现，与编码器激活相比，DNN 解码器通路激活与大脑处理更相似，这表明早期视觉皮层中存在中级和低级/中级特征的整合。挑战 AI 模型和人脑解决同一项任务提供了一种将 DNN 与大脑数据进行比较的宝贵方法，并有助于限制我们对信息处理的理解，例如神经元预测编码。
基于情绪效价检测的儿科近红外光谱脑机接口
脑机接口 (BCI) 正被研究作为肢体残疾人士进行交流的一种途径，因为该技术省去了自主运动控制的需要。然而，到目前为止，很少有研究调查 BCI 对儿童的使用。传统的 BCI 通信范式可能不是最理想的，因为肢体残疾儿童可能会面临认知发展和读写能力习得的延迟。相反，在本研究中，我们探索了情绪状态作为交流的另一种途径。我们开发了一种儿科 BCI，通过前额叶皮质 (PFC) 血流动力学活动的变化来识别积极和消极的情绪状态。为了训练和测试 BCI，10 名 8-14 岁的神经正常儿童在四次实验中（一次离线，三次在线）接受了一系列情绪诱导试验，同时用功能性近红外光谱 (fNIRS) 测量他们的大脑活动。视觉神经反馈用于帮助参与者调节他们的情绪状态并调节他们的血流动力学活动以响应情感刺激。针对儿童的线性判别分类器根据以前会话中累积的可用数据进行训练，并在每个会话期间进行自适应更新。在最后两个在线会话中，参与者的平均在线效价分类超过了偶然性（在第 3 和第 4 会话中，10 名参与者中分别有 7 名和 8 名的表现优于偶然性）。在线 BCI 性能与年龄之间存在微小的显着正相关性，这表明年龄较大的参与者在调节情绪状态和/或大脑活动方面更为成功。在 BCI 性能、血流动力学反应以及鉴别特征和通道方面，参与者之间存在差异。回顾性离线分析产生的准确度与使用 fNIRS 的成人情感 BCI 研究报告的准确度相当。情感 fNIRS-BCI 似乎适用于学龄儿童，但为了进一步评估这种类型的 BCI 的实际潜力，需要进行更多的训练课程、更大的样本量和残疾最终用户的复制。
卷积神经网络根据小鼠广角成像记录的皮层反应对视觉刺激进行分类
摘要 目的。视神经是视觉神经假体的理想位置。当受试者无法接受视网膜假体时，可以将其作为目标，并且它比皮质植入物的侵入性更小。电神经假体的有效性取决于必须优化的刺激参数组合，优化策略可能是使用诱发的皮质反应作为反馈进行闭环刺激。然而，有必要确定目标皮质激活模式，并将皮质活动与受试者视野中存在的视觉刺激联系起来。视觉刺激解码应在视觉皮层的大面积上进行，并使用尽可能可转化的方法，以便将来将研究转移到人类受试者身上。这项工作的目的是开发一种满足这些要求的算法，并可以利用该算法自动将皮质激活模式与产生它的视觉刺激联系起来。方法。向三只小鼠展示十种不同的视觉刺激，并使用广角钙成像记录它们的初级视觉皮层反应。我们的解码算法依赖于卷积神经网络 (CNN)，该网络经过训练可以从相应的广角图像中对视觉刺激进行分类。我们进行了几项实验来确定最佳训练策略并研究推广的可能性。主要结果。最佳分类准确率为 75.38% ± 4.77%，在 MNIST 数字数据集上对 CNN 进行预训练并在我们的数据集上对其进行微调后获得。通过对 CNN 进行预训练以对鼠标 1 数据集进行分类并在鼠标 2 和鼠标 3 上对其进行微调，可以进行推广，准确率分别为 64.14% ± 10.81% 和 51.53% ± 6.48%。意义。广角钙成像和 CNN 的组合可用于对皮质对简单视觉刺激的反应进行分类，并且可能是现有解码方法的可行替代方案。它还使我们能够将皮质激活视为未来视神经刺激实验中的可靠反馈。
人类大脑中单个神经元的意志控制
脑机接口使神经科学家能够将特定的神经活动模式与特定的行为联系起来。因此，除了目前的临床应用外，脑机接口还可用作研究大脑学习和可塑性的神经机制的工具。数十年来使用此类脑机接口的研究表明，动物（非人类灵长类动物和啮齿动物）可以通过操作条件反射自我调节大脑各种运动相关结构的神经活动。在这里，我们要问的是，人类大脑是一个由超过 800 亿个神经元组成的复杂互连结构，它能否学会在最基本的层面——单个神经元——上自我控制。我们利用这个独特的机会记录了 11 名癫痫患者的单个单元，以探索边缘系统和其他与记忆相关的大脑结构中单个（直接）神经元的发放率是否可以受到意志控制。为此，我们开发了一个视觉神经反馈任务，训练参与者通过调节他们大脑中任意选择的神经元的活动来移动屏幕上的方块。值得注意的是，参与者能够有意识地调节这些以前未经研究的结构中的直接神经元的发放率。我们发现一部分参与者（学习者）能够在一次训练课程中提高他们的表现。成功的学习的特点是：（i）直接神经元的高度特异性调节（表现为发放率和爆发频率显著增加）；（ii）直接神经元的活动与邻近神经元的活动同时去关联；（iii）直接神经元与局部 alpha/beta 频率振荡的稳健锁相，这可能为促进这种学习的潜在神经机制提供一些见解。记忆结构中神经元活动的意志控制可能为探索人类记忆的功能和可塑性提供新方法，而无需外部刺激。此外，这些大脑区域神经活动的自我调节可能为开发新型神经假体提供途径，用于治疗通常与这些大脑结构中的病理活动相关的神经系统疾病，例如药物难治性癫痫。
Cortical networks of dynamic scene category representation in the human brain
视觉神经科学的主要目的是阐明人脑在自然场景中如何代表各种信息。对场景感知的行为研究表明，人类将场景归类为更有效地处理视觉场景中的大量信息（Greene＆Oliva，2009; Konkle，Konkle，Brady，Alvarez，＆Oliva，＆Oliva，＆Oliva，2010; Rousselet，Joubert，＆Fabre-Thorpe，2005年）。因此，场景类别上的信息可能在皮质上表示。与这一概念一致，以前的神经影像学研究表明，视觉场景的类别可以在基于血液氧气水平（大胆的）响应（大胆的）响应中的有限数量的基本类别（例如，海滩，森林，山脉）之间进行分类。 OPA), object-selective lateral occipital complex (LO), and anterior visual cortex ( Epstein & Morgan, 2012 ; Jung, Larsen, & Walther, 2018 ; Walther, Caddigan, Fei e Fei, & Beck, 2009 ; Walther, Chai, Caddigan, Beck, & Fei e Fei, 2011 ).这些研究中的一种常见方法是将视觉场景定义为几个非重叠类别。然而，自然场景可能显示出不同程度的统计相关性，并且在几个不同的类别下可能会表征现实世界的场景。此外，由于这些研究使用了静态场景，因此它们没有必要的工具来证明人类大脑中的动态场景类别是如何代表的。Stansbury等。要检查自然场景类别的统计数据，最近的一项研究（Stansbury，Naselaris和Gallant，2013年）使用了数据驱动的算法来采购广泛的场景，其中还考虑了这些类别之间的潜在相似性。在这种方法中，将每个场景类别定义为在自然场景中出现的大量组成对象的存在概率列表。一旦算法学习一组类别，就可以根据场景中的对象来推断给定场景属于每个学到的类别的可能性。据报道，与基于一些经常出现在提出的自然图像中经常出现的诊断对象的存在相比，与替代模型相比，经典面部和场景选择区域中单素大胆响应的预测得到了改进的预测（Stansbury et al。，2013年）。此结果提高了对象共发生统计构成场景的基础的可能性。通过其组成对象定义了静态场景的类别，并着重于经典场景选择区域中的类别响应，例如许多先前关于场景代表的研究（Epstein＆Morgan，2012; Jung et al。，2018; Walther等，2009，2011，2011; Jung et al。，2018; Jung et al。然而，最近的几项研究表明，大部分前视觉皮层可能是通过对视觉场景中的动作进行差异调整来组织的（Tarhan＆Konkle，2020;CáUkur，Huth，Huth，Nishimoto和Gallant，2016年）。实际上，现实世界的场景包含对象和动作之间的动态影响（Greene，Baldassano，Esteva，Beck，Beck，＆Fei E Fei，
候选人 Alessandra Rufa 教授
教学课程：基础与临床眼球运动与前庭研究国际会议。锡耶纳2005 年 7 月 3 日至 5 日。眼动追踪 - 教学课程：SIN 2007“XXXVIII 届全国代表大会 SIN - 从 2007 年到 2013 年 - 主题：临床神经眼科学 - 教学课程：神经科学学会全国代表大会。米兰 2009 年 10 月，神经经济学 - 教学课程：“耳神经病学二级大学硕士学位”：多发性硬化症和眼球运动。共济失调和眼球运动障碍。 2008/2009-教学课程：全国临床神经生理学大会。 （同步）。眼动追踪技术 2010 - 教学课程：意大利验光师协会年会和 2011 眼动追踪技术和应用 - 组织者：神经科学和决策国际会议。锡耶纳 2010。教学课程眼动追踪和决策 - 当地科学委员会和意大利神经眼科学和视觉神经科学 2010 眼球运动和视神经课程的主要组织者； 2011 年 6 月：多发性硬化症、眼球运动和眼球震颤。 2012脑血管病与神经眼科； 2013 神经退行性疾病和运动障碍：神经眼科方面 - 特邀发言人：基础和临床眼球运动和前庭研究，布宜诺斯艾利斯。行进。 2011 年 25 日至 30 日 - 特邀发言人：眼部和新陈代谢的新诊断和治疗方法。博洛尼亚 2011 - 当地科学委员会和国际会议“前庭系统临床和科学更新”的组织者 锡耶纳 2013 - 受邀参加视神经和 MS-GENOA 研讨会教学课程，周五 2014 年 12 月 12 日 - 欧洲神经病学联合会 EFN 2018-2021 神经眼科小组临床和研究意大利代表 - 在 RoNeuro Brain Days 举办眼球运动技术和神经系统疾病教学课程克卢日-纳波卡，与第六届欧洲神经康复教学课程相结合。 2016 年和 2017 年 -2015 年在罗马教授课程 SIN -2016-2017-2018-2020 年神经眼科和眼球运动中的各种当前主题 - 运动神经科学中的数学建模受邀发言人。 PAVIA 2018 -教学课程：重症监护、急诊和门诊神经病学中的眼球运动和前庭功能（2 级）- 2019 年第五届 EAN 大会，挪威奥斯陆 -AIDI 虚拟会议的特邀发言人和科学委员会 2020 年 11 月 26 日至 12 月 2 日。-教学课程 FINO FINE 2020（由伊布罗-美洲神经病学基金会和印度神经病学教育论坛联合主办的转化神经科学研讨会）2020 年 11 月 14 日和 11 月 15 日。教学课程 LIMPE 2020 -特邀发言人第七届 EAN 大会，2021 年 6 月 19-22 日 - 实践课程 -教学课程（神经退行性疾病中的眼球运动）帕多瓦神经科诊所 2021 年 4 月 13 日星期二
Pathfinder Construct Builder的指南
探索神经科学：探索大脑，请记住，这是一本有关脑生物学和行为的本科本科教科书。这本书以其平易近人的风格，引人入胜的艺术作品和教学法而受到赞誉。该版本深入研究了味道和气味，昼夜节律，大脑发育，发育障碍和分子机制等主题。您还会找到有关功能性脑成像的新信息。文字包括发现框的发现路径，这些路径突出了该领域的主要发现，以及通过自我测试工作簿的人类神经解剖学指南。该版本的综合辅助软件包具有学生CD-ROM，讲师资源，在线辅导等等。与麻省理工学院神经科学的科沃教授Mark Bear博士见面。在加入MIT之前，他在布朗大学医学院的教职员工工作了17年，在那里他担任了Sidney和Dorothy Doctors Fox的视觉神经科学主席。他还是霍华德·休斯医学院的前调查员，并于2007年至2009年担任科沃研究所的主任。开始他的学术旅程之前，贝尔博士获得了学士学位。杜克大学的学位，后来获得了博士学位。布朗的神经生物学。 他在马克斯·普朗克脑研究所的沃尔夫歌手和布朗的莱昂·库珀（Leon Cooper）的沃尔夫·歌手（Wolf Singer）的领导下完成了博士后培训。 他的实验室为神经科学领域做出了重大贡献。 记住在下载文件时始终保持谨慎，尤其是从外部站点中。 您可以报告该文件的质量以帮助社区。杜克大学的学位，后来获得了博士学位。布朗的神经生物学。他在马克斯·普朗克脑研究所的沃尔夫歌手和布朗的莱昂·库珀（Leon Cooper）的沃尔夫·歌手（Wolf Singer）的领导下完成了博士后培训。他的实验室为神经科学领域做出了重大贡献。记住在下载文件时始终保持谨慎，尤其是从外部站点中。您可以报告该文件的质量以帮助社区。Barry Connors博士和Michael Paradiso博士是布朗大学神经科学的重要人物。 Connors博士对经验对脑皮质的影响进行了突破性的发现，包括双向突触可塑性，化学性，弱视的分子基础（儿童视觉障碍的原因）和脆弱的X综合征的病理学（最常见的智力上的智力上的遗传性原因）。 他处于将自闭症病理生理学知识转化为新疗法的最前沿。 Connors博士获得了许多荣誉，其中包括Barrett Hazeltine的卓越教学引用，神经科学学会年轻研究员奖，国家脆弱的X基金会William＆Enid Rosen Research Award和Ipsen基金会神经可塑性奖。 他是L. Herbert Ballou大学神经科学教授，也是布朗大学医学科学教授，也是布朗的Carney Brain Science研究所的成员。 另一方面， Paradiso博士是Sidney A. Fox和Dorothea医生Fox眼科和视觉科学教授以及Brown University的神经科学教授。 他是布朗视觉研究中心的创始董事，也是布朗卡尼脑科学研究所的成员。 Paradiso博士研究了视觉感知的脑机制，包括形式感知，表面感知，视觉注意力和知觉学习。 他的研究重点是了解大脑如何处理视觉信息来指导行为。Barry Connors博士和Michael Paradiso博士是布朗大学神经科学的重要人物。Connors博士对经验对脑皮质的影响进行了突破性的发现，包括双向突触可塑性，化学性，弱视的分子基础（儿童视觉障碍的原因）和脆弱的X综合征的病理学（最常见的智力上的智力上的遗传性原因）。他处于将自闭症病理生理学知识转化为新疗法的最前沿。Connors博士获得了许多荣誉，其中包括Barrett Hazeltine的卓越教学引用，神经科学学会年轻研究员奖，国家脆弱的X基金会William＆Enid Rosen Research Award和Ipsen基金会神经可塑性奖。他是L. Herbert Ballou大学神经科学教授，也是布朗大学医学科学教授，也是布朗的Carney Brain Science研究所的成员。 另一方面， Paradiso博士是Sidney A. Fox和Dorothea医生Fox眼科和视觉科学教授以及Brown University的神经科学教授。 他是布朗视觉研究中心的创始董事，也是布朗卡尼脑科学研究所的成员。 Paradiso博士研究了视觉感知的脑机制，包括形式感知，表面感知，视觉注意力和知觉学习。 他的研究重点是了解大脑如何处理视觉信息来指导行为。他是L. Herbert Ballou大学神经科学教授，也是布朗大学医学科学教授，也是布朗的Carney Brain Science研究所的成员。Paradiso博士是Sidney A.Fox和Dorothea医生Fox眼科和视觉科学教授以及Brown University的神经科学教授。他是布朗视觉研究中心的创始董事，也是布朗卡尼脑科学研究所的成员。Paradiso博士研究了视觉感知的脑机制，包括形式感知，表面感知，视觉注意力和知觉学习。他的研究重点是了解大脑如何处理视觉信息来指导行为。Paradiso博士的研究深入研究了眼球运动如何有助于大脑中的视觉信息处理，尤其是在识别物体方面。他的团队同时为具有低视力或失明的人开发视觉假体，以增强他们的日常生活。作为布朗大学入门神经科学课程的课程主任，Paradiso博士合着了神经科学：探索大脑，并因其出色的教学技巧而获得了几项享有盛誉的奖项。他还曾在视觉研究和视觉研究杂志以及视觉科学协会的执行委员会中任职。