Apr, 2023

ElegansNet: 一个简短的科学报告与初步实验

PDF
TL;DRElegansNet 是一种神经网络，其设计灵感来自真实世界的神经元网络电路，在理解连接组拓扑和深度学习系统之间的相互作用方面更为出色。该方法利用生物神经电路的强大表征能力来设计和生成构建与自然网络类似的深度学习系统，其中 C. elegans 连接组作为参考系统，提供一种高效解决复杂任务的生物可存储结构。
发现论文，激发创造
  • 生物连接组作为人工神经网络架构的表征

    本文通过将矛线虫的运动回路转化为具有不同生理真实性水平的人工神经网络，评估这些网络在动态和非动态行为任务上的训练结果。研究表明，即使不保持生物特性的真实性，也可以获得使用生物电路的优势。建立生物电路结构的统计学提供了有价值的先验知识。同时，矛线虫的运动回路对于运动问题具有强大的归纳偏差，但其结构可能会妨碍其他与运动无关的任务。

    Sep, 2022

  • 秀丽隐杆线虫神经网络的结构特性

    通过重建蛋白酶体线虫神经元网络的全连接缝隙和化学突触网络，计算了这个网络的统计和拓扑性质并分析了其信号传播，研究了信息处理，确定了神经元及其活动模式，探索了全连接缝隙和化学突触网络的相互作用，并提出了关于未来基因干扰、激光切除或监测神经元活动传播的实验预测。

    Jul, 2009

  • 秀丽隐杆线虫连接组的基于流量的网络分析

    本文探讨了费城线虫的神经元有向网络的流传播，从而揭示了其连接组的动态相关特征。作者发现在不同的粒度级别上有基于流的神经元分组，并将其与其神经系统的功能和解剖组织相关联，并确定那些最严重破坏多重分辨率流结构的单个和双个神经元切除。此外，还使用所有尺度上的传入和传出网络流的定向模式，以识别连接组中神经元的流特征。所识别的四种流角色与应答于生物输入的传播信号相关。

    Nov, 2015

  • 一种基于秀丽隐杆线虫启发的递归反馈网络架构的自动化新闻偏见分类器

    本文讨论了一种基于 Mesh Neural Network、Bernoulli 以及 genetic algorithm 的网络结构，能够更准确地对新闻文章进行政治偏见分类。

    Jul, 2022

  • 使用置换不变编码器进行神经元分类的神经骨架和脑回路拓扑的联合学习

    本研究提出了一个名为 NeuNet 的框架，该框架整合了神经元的形态和连接信息，并成功应用于神经元分类任务，通过电子显微镜成像技术和分析方法在两个数据集上获得了高分类精度。

    Dec, 2023

  • 利用大规模神经影像数据集创建连接组约束方法，以实现更加稳健、高效和适应性人工智能

    利用大型神经成像数据集中的连接性图谱等手段，改善边缘端机器学习的效率和鲁棒性，并通过对果蝇和哺乳动物视脑回路连接等领域的分析，展示了多种潜在的应用脑科学领域洞见的方法。

    May, 2023

  • EIGEN：生态灵感发掘的神经网络结构遗传搜索

    利用基因演化算法，通过模拟自然进化中物种的演化规律，从初始简单神经网络不断进化，辅以基因复制和模拟成功网络行为等方法，在减少计算量的同时有效地解决深度学习中神经网络结构设计的难点，该方法在 CIFAR-100 数据集上实现了 78.1％的测试准确率。

    Jun, 2018

  • 基于神经元连接的六边形晶格卷积网络模型 —— 以果蝇视觉系统为例

    本文利用回溯传播算法 (BPTT) 通过连接组重建构建蝇视觉系统模型（即光神经元和传导神经元），发现连接组信息可用于推测电路中单个神经元的功能特征，进而理解电路的功能和构成。

    Jun, 2018

  • 生而学习：演化塑料人工神经网络的灵感、进展和未来

    本文回顾了生物塑料神经网络及其进化的人造模型的主要方法和成果，并提出了相关的机会和发展。

    Mar, 2017

  • ELM 神经元：一种高效、表现力强的皮层神经元模型可解决长时程任务

    本文提出了一种仅需 8K 参数便可以匹配详细仿生神经元模型的输入输出关系的神经元 —— 表现力可透过式记忆 (ELM) 神经元进行多种复杂计算任务，并成功超过其他模型，这表明了生物学动机、高效的神经元模型在挑战性的机器学习任务中的潜在应用。

    Jun, 2023