研究通过功能性磁共振成像对大脑的记录,分析了编码模型和解码模型的应用,尤其关注深度学习算法的效果、好处和限制,并总结了神经科学数据集的代表性研究。
Jul, 2023
本研究提出了贝叶斯实验设计方法,用于综合刺激集,以高效地区分候选神经网络模型,并为模型比较而设计实验的表示相似性分析。我们的结果表明,与识别、分类或自编码相同架构的神经网络训练在反演 3D 脸部模型渲染器方面更符合人类表现。
Nov, 2022
利用深度语言模型与人脑之间的相似性,以模型为基础的方法成功地复制了一项神经元相关语言研究,比较了听取常规和乱序叙述的七名受试者的功能磁共振成像,并进一步扩展和精确到 305 名听取 4.1 小时叙述故事的个体的脑信号,从而为大规模且灵活地分析语言的神经基础铺平了道路。
Oct, 2021
我们提供了一个新的可解释性定义,展示了产生神经回路响应特性的演化约束,并展示了该框架在多个脑区和物种中研究循环处理在灵长类动物腹侧视觉通路,小鼠视觉处理,啮齿动物介董皮质的异质性以及促进生物学学习的作用。
Nov, 2023
通过比较语言模型特征对大脑活动的预测准确性,研究发现语言模型和人脑在语言信息处理方面存在相似性。
本文介绍了一种方法来累积关于观察到的脑活动和相应功能之间的双向联系的知识。我们的方法基于大量的影像研究和一个预测引擎。我们首次演示了预测完全新的脑图像的认知内容的方法。
Nov, 2013
本研究证明对 BERT 模型进行微调,可提高其对人们阅读文本时脑活动的预测能力,模型学习到的语言与脑活动之间的关系可以跨越多个参与者,同时不影响模型在自然语言处理任务方面的表现,这对于研究大脑中的语言理解具有显著意义。
Oct, 2019
本论文探讨了语言模型和大脑之间语言处理的关系,指出语言模型中特定的语言学信息对大脑对语言刺激的反应有显著的影响,并提供了新的方法来揭示两个系统之间的信息处理.
Dec, 2022
本研究旨在通过一系列基于一致编码的评估实验,探究语言模型预测大脑对语言刺激的反应能力。同时,为了支持未来比较的可重复性,我们公开了实验框架,并分析了评估测量的敏感性以及偏重效应的影响。
Apr, 2019
本文研究人类在社交互动中感知和行为的变化,采用预测编码理论为基础的人工神经网络训练,发现修改感官信号及先验信号的精确度可模拟社交与非社交实验中的行为数据,并且分析神经网络的活化痕迹,发现社交环境下信息编码方式与个体环境有本质差异。
Mar, 2022