本文探讨了如何利用深度学习来研究神经健康以及在算法模型中解释神经分析的困难。其重要贡献在于调查死亡神经元对人工神经网络性能的影响，以评估这些发现在生物领域的潜在应用，可能对神经系统疾病的治疗有重要影响。

Jun, 2023

本篇论文全面综述了现今人工神经网络中基于仿生学学习机制的表示，研究了加入更多仿生意义机制如突触可塑性以加强网络能力的可能性和挑战，并找到未来的研究方向，以更深入理解智能的本质。

May, 2023

本文提出一种方法，通过结合来自时频谱图的信号特征和人类感知，以提高声音分类性能，该方法利用人工神经网络 (ANN) 学习基于人类感知知识的信号特征，并应用于包含 24 个月几乎连续记录的大型声学数据集，结果表明性能显著提高。

May, 2013

现代深度学习领域的发展需要成本高效且对数据需求量相对较小的人工神经系统，本研究概述了一种新的竞争性生物启发式持续学习神经工具 Neuro-AMI，作为预测模型，并详细描述了其功能和结构细节，适用性，最新的应用案例以及现有和未来的研究方向。

Oct, 2023

利用物理波动的动力学和循环神经网络之间的映射，我们设计了一种基于波动物理模型的模拟机器学习硬件平台，可以训练物理波系统来学习时间序列数据的复杂特征，并在声波传播的不均匀介质中完成原始语音信号的元音分类任务，标准的数字实现也可以在性能上得到可比较的表现。

Apr, 2019

本研究通过实验，评估了最先进的神经网络作为 “可计算的、优化的观察者” 在语音识别方面的表现，并发现了人类和人类机理学习中的不同之处，为听觉认知科学和工程之间建立更紧密的联系提供了启示。

Apr, 2022

评价多任务人工神经网络在预测感应电机的心理声学参数方面的应用，通过使用电动机功率信号的电学量和极数等多种输入参数，同时评估感应电机的声学质量，采用等效声压、响度、粗糙度和锐度作为输出指标，并分析其简单可解释模型中产品单元神经网络的最佳结果。

Jan, 2024

本文介绍了机器学习和人工神经网络在下一代无线通信网络中的应用，涵盖了前馈神经网络、循环神经网络、脉冲神经网络和深度神经网络等不同类型，并讨论了无人机通信、虚拟现实和边缘缓存等无线通信问题和挑战。作者提出了未来可能的研究方向，对开发满足未来无线网络需求的机器学习技术提供了全面的指南。

Oct, 2017

通过生物学上的神经元网络组合中的多种互补机制，可以在人工神经网络中实现连续学习。

Apr, 2023

该研究介绍了 WaveNet，一种用于生成原始音频波形的深度神经网络，该模型是完全概率的和自回归的，应用于文本到语音，产生了最先进的性能，用于模拟音乐，生成新颖且高度逼真的音乐片段，并可作为一种判别模型返回有希望的语素识别结果。

Sep, 2016