Apr, 2024

DEQ-MCL：基于离散事件队列的蒙特卡洛定位

PDF
TL;DR我们提出了一种基于海马结构内部相位前进的离散事件队列假设的自定位方法 DEQ-MCL，该方法有效地估计了包括过去、现在和未来状态的后验分布，通过考虑未来状态的可行性来平滑过去状态的后验分布，并通过当前观察来加权联合分布。研究结果表明，该方法在室内环境中增强了自定位性能。
spatial cognitionhippocampal formationself-localizationdeq-mclindoor environments
发现论文，激发创造
  • IR-MCL: 基于隐式表示的在线全局定位

    本文提出一种基于神经场的方法，使用 2D LiDAR 数据在室内环境中估计机器人的姿态，并将其用于蒙特卡罗定位系统中的观测模型，实现了精确的本地化。实验表明，所提出的隐式表示能够预测更准确的 2D LiDAR 扫描，带来了粒子滤波定位的更好观测模型。

    Oct, 2022

  • 从模拟位置细胞记录测试几何表征假设

    该研究使用流形学习方法 UMAP 和自编码器 (AE) 分析编码大鼠实验迷宫中欧几里德或基于图的位置的海马体细胞群的神经活动，结果表明 AE 反映了真实的几何结构，支持使用 AE 架构解密大脑中的空间编码几何结构。

    Nov, 2022

  • 学习空间和时间的层次结构：多房间迷宫环境中的层次化主动推理导航

    介绍了一种层次感知模型，结合认知地图、空间感知和位置运动，通过基于像素的观察推断出环境结构，并能在迷你格环境中进行高效探索和目标导向搜索。

    Sep, 2023

  • 迷宫内基于场所细胞布局一致重放的灵活导航学习计算模型

    本文提出了一种计算模型，用于生成符合布局的回放以及解释如何通过布局一致的回放来驱动动物在迷宫中进行灵活的导航。

    Sep, 2022

  • 无模型的情节控制

    本文探讨海马海马记忆控制应用于深度加强学习，证明该应用比现有的加强学习算法更快地高效解决了一些复杂的连续决策任务。

    Jun, 2016

  • 基于局部操作和嘈杂经典通信的分布式量子协议的量子机器学习

    通过使用量子机器学习工具来优化参数化量子电路的局部处理，以最大化平均保真度和平均成功概率，提出了一种名为 Noise Aware-LOCCNet (NA-LOCCNet) 的方法，对于存在噪声的经典通信，该方法在量子信息处理中的量子纠缠和量子状态区分任务中具有显着优势。

    Jul, 2022

  • 海马自编码器中连续输入空间的离散化

    形成离散的视觉事件记忆可以在稀疏自编码神经元产生类似海马区位置细胞的空间调谐，并能在高维空间中以最小重叠的方式离散化和覆盖底层图像空间，同时在听觉领域也能类似地经验依赖性地覆盖频率空间，最后我们展示了强化学习代理能够有效地使用这些稀疏、高维表示执行各种视觉 - 空间认知任务。

    May, 2024

  • 评估科学应用中神经 PDE 的不确定量化方法

    神经偏微分方程（Neural PDEs）被证明能够有效重构流系统并预测相关的未知参数。然而，基于贝叶斯方法的神经偏微分方程显示出更高的预测确定性，相较于使用 Deep Ensembles 方法得到的结果，可能低估了真实潜在的不确定性。

    Nov, 2023

  • 探索阿尔茨海默病小鼠中的新型物体识别和自发位置识别机器学习分析技术

    本研究致力于开发、应用和评估一种最先进的计算流程，用于分析小鼠的对象识别模式，特别关注新颖对象识别和自发位置识别任务，并集成了 Any-Maze、DeepLabCut 和卷积神经网络等三种先进的计算模型来进行行为分类。该流程在四组不同的小鼠中应用，并展示了高准确性和稳健性。尽管存在视频质量限制和手动计算的需求等挑战，但结果肯定了该计算流程的效力和可扩展性，并证明了这种多维计算方法在行为神经科学中的潜力及其对未来更复杂分析的适应性。

    Dec, 2023

  • 基于神经网络的语义空间认知图形生成及抽象概念的出现

    该研究使用神经网络学习 32 种动物的特征向量，并基于继承表示原理构建了一个 “动物空间” 的认知地图，该地图能够使用插值技术准确地表示完全新的或不完整的输入，并在不同的认知地图级别中呈现出不同的特征。

    Oct, 2022